Java写的传感器模拟采集+图表实时显示系统（带源码和运行说明）

本文还有配套的精品资源，点击获取

简介：用Java开发的轻量级传感器数据仿真工具，能模拟温湿度、光照、加速度等多种传感器的实时数据生成与采集过程。系统自带内存数据库和简易Web界面，数据自动存储并以折线图、数值卡片等形式动态可视化展示。项目基于Maven构建，结构清晰，包含完整src源码、配置文件（数据库连接、UI样式）、可执行jar打包脚本及详细README文档。本地只需JDK 8以上环境，用IDEA或命令行执行mvnw clean compile即可编译，通过main方法或java -jar直接启动，无需额外安装中间件或服务。数据流向明确：模拟器→采集模块→内存存储→前端渲染，各环节代码解耦、注释充分，方便学生理解物联网数据链路。配套文档说明了环境配置、编译命令、运行方式、模块职责和扩展建议，适合课程设计快速上手、毕业设计原型搭建或物联网基础实验教学使用。

1. 项目概述：为什么一个“轻量级传感器仿真系统”值得你花30分钟搭起来

我带过六届物联网方向的毕业设计，每年都有至少三分之一的学生卡在“数据从哪来”这个最基础的问题上。不是不会写代码，而是真实传感器采购成本高、接线调试耗时长、环境干扰多——一个温湿度模块加杜邦线买下来要七八十，再配上Arduino或ESP32开发板，还没开始写逻辑，预算和时间就先烧掉一半。更别说光照传感器受窗外天气影响、加速度计一碰就抖、数据噪声大得根本没法做算法验证。于是去年我干脆用两周下班时间，撸了一套纯Java写的传感器模拟采集+图表实时显示系统，不依赖任何硬件，不装任何中间件，JDK 8装好就能跑，IDEA点一下main方法就出图。它不是工业级平台，但恰恰是教学和原型阶段最需要的那种“刚刚好”的工具：能模拟温湿度、光照、三轴加速度共5类传感器，每类可配置采样频率（100ms~5s）、数值范围（比如温度-20℃~85℃）、波动模式（恒定/正弦/随机漂移/阶跃突变），所有数据走内存数据库H2，前端用轻量级Web框架Jetty内嵌服务+Thymeleaf模板+Chart.js渲染，折线图自动滚动、数值卡片实时刷新、历史数据可导出CSV。关键词里说的“Java传感器仿真”“数据采集系统”“实时可视化”，拆开看就是三个硬核能力：第一，仿真层必须足够“像真”——不是简单Math.random()，而是内置物理模型（比如DHT22温湿度耦合衰减、光照强度随时间正弦变化+云层遮挡噪声）；第二，采集层必须解耦清晰——模拟器、采集器、存储器、推送器四模块独立，接口定义明确，学生改一个类就能换数据源；第三，可视化必须“零门槛”——不碰HTML/CSS也能调图表样式，不学WebSocket也能实现秒级刷新。这套系统后来成了我们学院《物联网系统设计》实验课的标准配套工具包，学生反馈最集中的两个词是：“终于不用等硬件到货了”“看懂了数据从传感器到屏幕的完整链路”。如果你正在准备课程设计、毕设选题，或者想给学生搭一个能讲清楚“感知层→网络层→应用层”的教学demo，它比下载十个开源项目都管用——因为所有代码都在你眼皮底下，每一行注释都写着“为什么这么写”。

2. 整体架构与设计思路：为什么选Java而非Python/Node.js？为什么拒绝Spring Boot？

2.1 技术栈选型背后的教学逻辑

很多人看到“传感器仿真”第一反应是Python——Matplotlib画图快、NumPy生成数据方便、Flask搭Web简单。但我在设计之初就排除了Python方案，核心原因只有一个：教学穿透力。Python生态太“黑盒”：pip install一个库，背后可能调用C扩展、加载动态链接库、隐式启动线程池，学生调试时连主线程在哪都找不到。而Java的JVM模型、明确的类加载机制、清晰的线程堆栈，天然适合讲透“数据如何被采集”“线程如何调度”“内存如何流转”。比如采集模块用ScheduledExecutorService定时触发，学生debug时能清楚看到每个SensorCollector实例的run()方法被哪个线程池调用、延迟多久执行、异常是否被捕获——这种确定性，在教学场景里比开发效率重要十倍。

至于为什么不用Spring Boot？不是它不好，而是它太“重”。一个@RestController背后是自动配置、条件化Bean、AOP代理链、内嵌Tomcat的Servlet容器……学生刚接触IoT数据流，先被Spring的17层封装绕晕，根本顾不上理解“采集→存储→推送”这个主干逻辑。所以本系统采用极简技术栈：
-核心语言：Java 8（Lambda表达式简化回调，Stream API处理数据流，兼容性覆盖99%教学机房环境）
-构建工具：Maven Wrapper（mvnw），避免学生本地Maven版本不一致导致编译失败，所有依赖明文写在pom.xml里
-Web服务：Jetty 9.4（内嵌式，启动即服务，无XML配置，一行代码new Server(8080)搞定）
-前端渲染：Thymeleaf 3.0（服务端模板，无需构建工具，HTML文件直接放resources/templates下，修改即生效）
-图表库：Chart.js 4.x（CDN引入，折线图支持实时追加数据点、自动缩放X轴、拖拽平移，比ECharts轻量且文档友好）
-内存数据库：H2 2.2（纯Java实现，支持内存模式（mem:）和文件模式（file:），建表语句直接写在SQL脚本里，学生能看清每张表结构）

这个组合的终极目标是：让代码成为教具本身。你看pom.xml里dependency的顺序，就是数据流向的顺序；看src/main/java下的包结构，就是物联网分层架构的映射；甚至mvnw.cmd脚本里那几行set JAVA_HOME，都在暗示“环境变量是程序运行的第一道门”。

2.2 模块职责划分：四层解耦如何支撑二次开发

整个系统严格遵循“单一职责”原则，src目录下四个核心包对应数据链路的四个环节：

• sensor.simulator：仿真层，负责“凭空造数据”。这里不写业务逻辑，只封装物理模型。比如TemperatureSimulator类里有getTemperature()方法，内部不是return Math.random()*100，而是：
  java // 模拟DHT22传感器特性：温度上升慢、下降快（热惯性） private double currentTemp = 25.0; private final double HEAT_RATE = 0.3; // 每秒升温速率 private final double COOL_RATE = 0.8; // 每秒降温速率 public double getTemperature() { if (isHeating()) { currentTemp += HEAT_RATE * samplingIntervalSeconds; } else { currentTemp -= COOL_RATE * samplingIntervalSeconds; } // 叠加±0.5℃随机噪声（模拟传感器精度误差） return currentTemp + (Math.random() - 0.5) * 1.0; }
  学生想换成DS18B20模型？只需继承BaseSensorSimulator，重写getRawValue()方法，不用动采集层代码。

• data.collector：采集层，负责“把数据抓回来”。核心是CollectorManager单例，管理多个SensorCollector实例。每个Collector持有一个SensorSimulator引用和一个DataSink接口实现（默认是H2DatabaseSink）。关键设计在于采集策略可插拔：

• FixedRateCollector：固定间隔采集（适合温湿度）
• EventDrivenCollector：事件触发采集（比如加速度超过阈值才记录）

• BatchCollector：批量缓存后统一写入（降低数据库IO压力）
  学生改采集逻辑，只动collector包下的类，不影响仿真和展示。

• storage.h2：存储层，负责“把数据存稳”。H2数据库采用内存模式（jdbc:h2:mem:sensorDB;DB_CLOSE_DELAY=-1），启动时自动执行schema.sql建表：
  sql CREATE TABLE sensor_data ( id BIGINT AUTO_INCREMENT PRIMARY KEY, sensor_type VARCHAR(20) NOT NULL, -- 'TEMPERATURE','HUMIDITY'... value DOUBLE NOT NULL, timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP, unit VARCHAR(10) ); CREATE INDEX idx_sensor_time ON sensor_data(sensor_type, timestamp);
  表结构刻意设计为宽表（非星型模型），因为教学场景数据量小，宽表查询简单直观。学生想加字段？改SQL脚本+实体类SensorData.java的getter/setter即可。

• web.controller：展示层，负责“把数据亮出来”。Controller不处理业务，只做三件事：
  1. 提供REST API返回JSON数据（/api/data/latest?sensor=TEMPERATURE）
  2. 渲染Thymeleaf页面（/dashboard）
  3. 推送SSE事件（/api/events）供前端实时更新
  前端Chart.js通过fetch拉取最新100条数据，再用EventSource监听SSE流接收新数据点——这种混合模式比纯WebSocket更易理解，也避免了学生纠结连接管理。

这四层之间用接口隔离：Collector依赖DataSink接口，Controller依赖DataService接口。学生想把H2换成MySQL？只需写个MySQLSinkImpl实现DataSink，注入到Collector即可，其他代码零修改。这就是为什么README里强调“各环节代码解耦、注释充分”——解耦不是为了炫技，而是为了让教学路径清晰可见。

2.3 数据流向设计：为什么放弃MQTT/HTTP直连，坚持“内存数据库中转”

真实物联网系统常用MQTT协议让传感器直连云端，但教学系统里我刻意绕开了这条路，选择“仿真器→采集器→H2内存库→Web控制器”四段式流程。原因很实在：暴露数据落地的每一个环节。MQTT就像快递柜，学生只看到“包裹进柜→手机通知”，却看不到包裹怎么分拣、怎么入库、怎么匹配用户。而H2内存库是透明玻璃柜——你能直接用H2 Console（系统自带/web/h2-console入口）看到每一条INSERT语句执行后的结果，能手动DELETE某条错误数据，能SELECT * FROM sensor_data WHERE sensor_type=’ACCELERATION_X’ ORDER BY timestamp DESC LIMIT 10查最近10次X轴加速度值。

更重要的是，内存数据库解决了“实时性悖论”。如果前端用轮询（polling）每秒请求一次API，服务器要频繁查库、序列化JSON、网络传输，学生容易误解“实时=高频请求”。而本系统采用SSE（Server-Sent Events）：当采集器insert数据到H2后，立刻触发一个ApplicationEvent，由DataPublisher监听并推送到所有已建立的SSE连接。前端JavaScript只需：

const eventSource = new EventSource("/api/events"); eventSource.onmessage = function(event) { const data = JSON.parse(event.data); chart.data.datasets[0].data.push({x: data.timestamp, y: data.value}); chart.update(); };

学生调试时，在Chrome开发者工具Network标签页能看到SSE连接保持打开状态，每条数据以text/event-stream格式流式到达——这种“服务器主动推”的体验，比教十遍MQTT QoS等级都直观。

3. 核心细节解析与实操要点：从源码到运行的避坑指南

3.1 仿真模块的物理建模技巧：让随机数“看起来像真传感器”

传感器仿真最怕做成“伪随机”——数值跳变毫无规律，学生一眼看出是假数据。本系统在sensor.simulator包里为每类传感器设计了差异化模型，核心是叠加三层扰动：基础趋势（物理规律）+ 环境扰动（外部因素）+ 硬件噪声（设备误差）。以光照传感器（LightSensorSimulator）为例：

public class LightSensorSimulator extends BaseSensorSimulator { private double baseIntensity = 500.0; // 正午晴天基准值 private final double DAY_CYCLE_PERIOD = 24 * 3600; // 一天秒数 private final double CLOUD_NOISE_AMPLITUDE = 150.0; // 云层遮挡幅度 @Override public double getRawValue() { // 第一层：日周期正弦变化（基础趋势） double hourOfDay = (System.currentTimeMillis() / 1000) % DAY_CYCLE_PERIOD; double dailyCycle = Math.sin(2 * Math.PI * hourOfDay / DAY_CYCLE_PERIOD) * 0.8 + 0.2; // 第二层：云层随机遮挡（环境扰动，每30秒变化一次） long cloudSeed = System.currentTimeMillis() / 30000; double cloudEffect = (Math.sin(cloudSeed * 0.3) + Math.cos(cloudSeed * 0.7)) * 0.5; // 第三层：传感器固有噪声（硬件误差，服从高斯分布） double hardwareNoise = random.nextGaussian() * 15.0; // σ=15 lux return baseIntensity * dailyCycle * (1.0 + cloudEffect) + hardwareNoise; } }

这段代码的教学价值在于：
-用正弦函数模拟昼夜规律：不是简单if-else判断时间段，而是连续函数，学生能理解“传感器读数本质是物理量的时间函数”
-用时间戳种子控制环境扰动频率：cloudSeed确保云层效果每30秒更新一次，避免高频闪烁，符合真实气象变化节奏
-用高斯噪声替代均匀噪声：nextGaussian()生成符合正态分布的误差，比Math.random()更贴近真实传感器精度标称（如±5% FS）

实操时学生常犯的错是直接复制代码却不理解参数含义。比如把CLOUD_NOISE_AMPLITUDE设成500，导致光照值在0~1000lux剧烈跳变，完全不像阴天效果。我的建议是：先运行系统，打开H2 Console执行SELECT * FROM sensor_data WHERE sensor_type='LIGHT' ORDER BY timestamp DESC LIMIT 20，观察原始数据分布，再回代码调整振幅参数——让调试过程变成“数据驱动”的学习。

3.2 Maven构建与环境适配：为什么mvnw比mvn更可靠？

项目根目录的mvnw（Maven Wrapper）是保证“开箱即用”的关键。很多学生在IDEA里右键pom.xml选择“Reload project”，结果报错“Could not transfer artifact”，根源往往是本地Maven配置了私有仓库镜像，而项目依赖的H2 2.2.220版本在某些镜像站未同步。mvnw彻底规避了这个问题——它会自动下载指定版本的Maven（wrapper/maven-wrapper.properties里定义）到.mvn/wrapper/目录，并用该版本执行命令。

但mvnw也有坑：Windows用户常遇到mvnw.cmd权限问题。解决方案不是双击运行，而是在IDEA终端里执行：

# 先确认JDK版本（必须Java 8+） java -version # 清理旧编译产物（关键！很多报错源于class文件残留） ./mvnw clean # 编译（注意是compile，不是package） ./mvnw compile # 启动（两种方式任选） # 方式1：IDEA里找到src/main/java/com/example/sensor/SensorApplication.java，右键Run # 方式2：命令行执行（需先编译） java -cp "target/classes;target/dependency/*" com.example.sensor.SensorApplication

提示：target/dependency/*是Maven Dependency Plugin自动解压的jar包路径，Windows用分号;分隔，Linux/macOS用冒号:。如果IDEA里Run按钮灰色，检查Project Structure → Project → Project SDK是否指向JDK 8+，且Language level设为8。

另一个高频问题是H2数据库连接失败，报错org.h2.jdbc.JdbcSQLException: Database "mem:sensorDB" not found。这是因为H2内存数据库生命周期绑定JVM进程，每次重启应用都会重建。解决方案是在application.properties里强制初始化：

# src/main/resources/application.properties spring.h2.console.enabled=true spring.h2.console.path=/h2-console # 关键：确保应用启动时自动执行schema.sql spring.sql.init.mode=always spring.sql.init.schema-locations=classpath:schema.sql

这样每次启动，Spring Boot（本系统用的是Spring Boot 2.7，轻量版）都会重新建表，学生不必手动执行SQL。

3.3 Web界面定制化：不写一行HTML也能改图表样式

前端位于src/main/resources/templates/dashboard.html，用Thymeleaf语法嵌入动态数据。学生最常问：“怎么把折线图颜色改成蓝色？”“怎么让数值卡片显示单位？”答案藏在两个地方：

第一，Chart.js配置在HTML的script标签里：

<script th:inline="javascript"> /*<![CDATA[*/ const ctx = document.getElementById('temperatureChart').getContext('2d'); const temperatureChart = new Chart(ctx, { type: 'line', data: { labels: [], datasets: [{ label: '温度(℃)', data: [], borderColor: '#1e90ff', // 这里改颜色！十六进制或rgb() backgroundColor: 'rgba(30, 144, 255, 0.1)', tension: 0.3 // 曲线圆滑度，0=直线，1=最大弯曲 }] }, options: { scales: { y: { beginAtZero: false, title: {display: true, text: '温度(℃)'} } } } }); /*]]>*/ </script>

学生只需修改borderColor和tension值，就能立刻看到效果。不需要懂JavaScript闭包，也不用装Node.js——改完保存，浏览器Ctrl+R刷新即可。

第二，数值卡片单位在Thymeleaf表达式里：

<div class="card"> <div class="card-header">当前湿度</div> <div class="card-body"> <h2 class="card-title" th:text="${latestHumidity.value} + '%'"></h2> <p class="card-text" th:text="${#dates.format(latestHumidity.timestamp, 'HH:mm:ss')}"></p> </div> </div>

th:text="${latestHumidity.value} + '%'"这行代码把后端传来的数值拼接百分号。如果学生想显示“RH%”，改成+ ' RH%'即可。所有Thymeleaf语法都遵循th:属性="表达式"格式，比JSP标签更直观。

注意：Thymeleaf默认开启缓存，开发时需在application.properties里关闭：
spring.thymeleaf.cache=false
否则修改HTML后不刷新，学生会以为“改了没用”。

4. 实操过程与核心环节实现：从零部署到二次开发的完整路径

4.1 本地环境搭建：三步完成“从下载到出图”

按README.md操作前，请先确认你的电脑满足最低要求：
-操作系统：Windows 10+/macOS 12+/Linux（Ubuntu 20.04+）
-JDK：Oracle JDK 8u202 或 OpenJDK 8（OpenJDK 11+不兼容，因H2 2.2依赖Java 8的javax.xml.bind）
-内存：≥2GB（H2内存库占用约100MB，Jetty服务约300MB）

第一步：下载与解压
从GitHub Releases下载zip包（不要用git clone，避免.git目录污染），解压到无中文、无空格路径，例如C:\sensor-sim或~/sensor-sim。重点检查目录结构是否包含：

sensor-sim/ ├── pom.xml # Maven配置文件（核心！） ├── src/ # Java源码（重点关注main/java/com/example/sensor/） ├── resources/ # 配置文件（application.properties, schema.sql） ├── templates/ # Thymeleaf页面（dashboard.html） └── mvnw # Maven Wrapper（Linux/macOS可执行）

第二步：配置JDK环境
- Windows：系统属性 → 高级 → 环境变量 → 新建JAVA_HOME，值为JDK安装路径（如C:\Program Files\Java\jdk1.8.0_202），Path里添加%JAVA_HOME%\bin
- macOS/Linux：在~/.bash_profile或~/.zshrc里添加：
bash export JAVA_HOME=$(/usr/libexec/java_home -v 1.8) export PATH=$JAVA_HOME/bin:$PATH
执行source ~/.zshrc使生效，然后java -version确认输出含1.8.0_202。

第三步：编译与启动
打开终端（Windows用Git Bash或CMD），进入项目根目录：

# 1. 清理旧文件（必做！） ./mvnw clean # 2. 编译（生成target/classes/目录） ./mvnw compile # 3. 启动（两种方式） # 方式A：IDEA启动（推荐新手） # - 打开IDEA → Open → 选择sensor-sim目录 # - 等待Maven自动导入（右下角提示“Importing project”） # - 展开src/main/java → 找到SensorApplication.java → 右键 → Run 'SensorApplication.main()' # - 浏览器访问 http://localhost:8080/dashboard # 方式B：命令行启动（适合调试） java -cp "target/classes:target/dependency/*" com.example.sensor.SensorApplication # Windows用户把冒号:换成分号;

启动成功标志：
- 终端输出Started SensorApplication in X.XXX seconds
- 浏览器打开http://localhost:8080/dashboard显示温湿度折线图
- 访问http://localhost:8080/h2-console输入JDBC URLjdbc:h2:mem:sensorDB，能查到sensor_data表

实测心得：首次启动可能稍慢（约15秒），因为H2要初始化内存库、Jetty要加载Thymeleaf模板。后续重启快至3秒内。如果卡在Starting ProtocolHandler ["http-nio-8080"]，检查8080端口是否被占用（如Skype、Zoom），可在application.properties里改端口：server.port=8081。

4.2 数据流向验证：手把手追踪一条数据的完整旅程

以温度传感器为例，我们追踪一条数据从生成到显示的全过程，这是理解系统的核心：

① 仿真生成（sensor.simulator.TemperatureSimulator）
- 系统启动时，CollectorManager创建TemperatureCollector实例
- TemperatureCollector持有一个TemperatureSimulator引用
- 每2秒（默认采样间隔），ScheduledExecutorService触发collector.collect()

② 采集封装（data.collector.SensorCollector）

public void collect() { double value = simulator.getRawValue(); // 调用仿真器获取数值 SensorData data = new SensorData( simulator.getSensorType(), // TEMPERATURE value, LocalDateTime.now(), simulator.getUnit() // ℃ ); sink.save(data); // 交给DataSink存储 }

此时data对象包含完整元数据：类型、数值、时间、单位。

③ 内存存储（storage.h2.H2DatabaseSink）

public void save(SensorData data) { String sql = "INSERT INTO sensor_data (sensor_type, value, timestamp, unit) VALUES (?, ?, ?, ?)"; jdbcTemplate.update(sql, data.getSensorType(), data.getValue(), Timestamp.valueOf(data.getTimestamp()), data.getUnit() ); }

执行后，H2内存库的sensor_data表新增一行，可通过H2 Console验证。

④ 前端推送（web.controller.DataController）
- DataController的/api/events端点监听SSE事件
- 当H2DatabaseSink执行save()后，触发applicationEventPublisher.publishEvent(new DataSavedEvent(data))
- DataPublisher捕获事件，向所有SSE连接发送JSON：
json {"sensorType":"TEMPERATURE","value":24.3,"timestamp":"2024-05-20T14:22:35.123"}

⑤ 图表渲染（templates/dashboard.html）
- JavaScript的EventSource收到消息，解析JSON
- 调用temperatureChart.data.datasets[0].data.push({x: timestamp, y: value})
-temperatureChart.update()刷新图表

验证方法：打开浏览器开发者工具（F12）→ Network标签页 → 刷新页面 → 找到/api/events连接 → 查看Preview，应看到持续流动的JSON数据。这就是物联网数据链路最精简的实现——没有网关、没有协议转换、没有中间件，只有代码在告诉你“数据是怎么活起来的”。

4.3 二次开发实战：增加一个“土壤湿度传感器”模块

假设你要为农业物联网课程增加土壤湿度传感器，以下是完整步骤（实测耗时12分钟）：

步骤1：定义传感器类型枚举
编辑src/main/java/com/example/sensor/common/SensorType.java，新增：

public enum SensorType { TEMPERATURE, HUMIDITY, LIGHT, ACCELERATION_X, ACCELERATION_Y, ACCELERATION_Z, SOIL_MOISTURE; // 新增这一行 }

步骤2：编写仿真器
在src/main/java/com/example/sensor/simulator/下新建SoilMoistureSimulator.java：

public class SoilMoistureSimulator extends BaseSensorSimulator { private double moistureLevel = 45.0; // 初始湿度45% @Override public double getRawValue() { // 模拟灌溉后湿度上升，自然蒸发下降 if (moistureLevel < 80 && Math.random() > 0.95) { moistureLevel += 5.0; // 灌溉事件（5%概率） } moistureLevel -= 0.1; // 自然蒸发（每秒0.1%） moistureLevel = Math.max(0, Math.min(100, moistureLevel)); // 限幅0~100% return moistureLevel + (Math.random() - 0.5) * 3.0; // ±1.5%噪声 } @Override public String getUnit() { return "%"; } @Override public SensorType getSensorType() { return SensorType.SOIL_MOISTURE; } }

步骤3：注册采集器
编辑src/main/java/com/example/sensor/config/CollectorConfig.java，在collectorManager()方法里添加：

@Bean public CollectorManager collectorManager() { CollectorManager manager = new CollectorManager(); manager.addCollector(new TemperatureCollector(new TemperatureSimulator())); manager.addCollector(new HumidityCollector(new HumiditySimulator())); // ... 其他采集器 manager.addCollector(new SoilMoistureCollector(new SoilMoistureSimulator())); // 新增 return manager; }

同时新建SoilMoistureCollector.java（复制TemperatureCollector改名，修改sensorType为SOIL_MOISTURE）。

步骤4：修改前端图表
编辑templates/dashboard.html，在<canvas id="soilMoistureChart">下方添加：

<div class="chart-container"> <canvas id="soilMoistureChart" height="200"></canvas> </div> <script th:inline="javascript"> /*<![CDATA[*/ const soilCtx = document.getElementById('soilMoistureChart').getContext('2d'); const soilChart = new Chart(soilCtx, { type: 'line', data: { labels: [], datasets: [{ label: '土壤湿度(%)', data: [], borderColor: '#28a745', backgroundColor: 'rgba(40, 167, 69, 0.1)', tension: 0.3 }] }, options: { scales: { y: { min: 0, max: 100, title: {display: true, text: '湿度(%)'} } } } }); /*]]>*/ </script>

步骤5：重启验证
执行./mvnw compile→ 启动应用 → 访问http://localhost:8080/dashboard，新图表将自动显示。H2 Console里执行SELECT * FROM sensor_data WHERE sensor_type='SOIL_MOISTURE'可查到数据。

这就是本系统的设计哲学：新增一个传感器，只需关注“它怎么产生数据”，其余采集、存储、展示全部复用现有框架。学生做完这个练习，对IoT系统的扩展性认知会远超单纯调API。

5. 常见问题与排查技巧实录：那些年我们踩过的坑

5.1 编译失败类问题：90%源于环境配置

实操心得：遇到编译错误，第一反应不是百度，而是看mvnw输出的最后一行红色文字。比如[ERROR] Failed to execute goal...后面跟着的Caused by:才是真正的错误源头。曾有个学生折腾两小时，最后发现是pom.xml里<artifactId>h2database</artifactId>写成了h2-database——Maven找不到依赖，自然编译失败。

5.2 运行时异常类问题：数据不显示的三大元凶

问题1：图表空白，Console报错Chart is not defined
这是Chart.js未正确加载。检查dashboard.html里是否漏掉了CDN链接：

<!-- 必须放在</head>之前 --> <script src="https://cdn.jsdelivr.net/npm/chart.js@4.4.0/dist/chart.umd.min.js"></script>

如果公司内网无法访问CDN，可下载chart.umd.min.js放到src/main/resources/static/js/，然后改为：

<script th:src="@{/js/chart.umd.min.js}"></script>

问题2：H2 Console打不开，报错This database is closed
H2内存库在应用停止时自动关闭。解决方案：
- 确保spring.h2.console.enabled=true在application.properties里
- 访问http://localhost:8080/h2-console时，JDBC URL必须填jdbc:h2:mem:sensorDB（不能加;DB_CLOSE_DELAY=-1）
- 用户名填sa，密码留空

问题3：SSE连接断开，图表停止更新
这是Jetty的默认超时机制。在SensorApplication.java的main方法里，添加配置：

public static void main(String[] args) { System.setProperty("server.servlet.context-path", ""); // 关键：延长SSE超时时间 System.setProperty("server.jetty.http.idleTimeout", "3600000"); // 1小时 SpringApplication.run(SensorApplication.class, args); }

5.3 教学扩展类问题：如何让学生真正理解“物联网分层”

很多老师反馈，学生能跑通系统，但说不清“感知层、网络层、应用层”对应哪里。我的做法是设计一个课堂实验：

实验名称：《撕开物联网的三层外衣》
-感知层任务：让学生修改TemperatureSimulator.getRawValue()，把正弦函数换成线性函数return 20 + (System.currentTimeMillis()/1000) % 100 * 0.1;，观察图表变成斜线，理解“传感器输出是物理量的函数”
-网络层任务：在H2DatabaseSink.save()方法里添加Thread.sleep(500);，模拟网络延迟，观察前端图表刷新变慢，理解“数据传输需要时间”
-应用层任务：修改dashboard.html里的Chart.js配置，把type: 'line'改成type: 'bar'，对比折线图和柱状图对数据趋势的表达差异，理解“应用决定数据呈现形式”

这个实验不需要写新代码，只需改动三处已有代码，却能让抽象概念瞬间具象化。这也是为什么我说，这套系统不是“玩具”，而是精心设计的教学脚手架——它的每一行代码，都在等待被学生亲手拆解、修改、验证。

最后分享一个小技巧：如果学生想导出数据做Excel分析，系统已预留接口。访问http://localhost:8080/api/export?sensor=TEMPERATURE&hours=24，会生成CSV文件。参数hours控制导出最近N小时数据，后端用JdbcTemplate的queryForList()查库，再用OpenCSV写入响应流——这部分代码在DataExportController.java里，注释详细，是讲解“Web API设计”的绝佳案例。

本文还有配套的精品资源，点击获取

简介：用Java开发的轻量级传感器数据仿真工具，能模拟温湿度、光照、加速度等多种传感器的实时数据生成与采集过程。系统自带内存数据库和简易Web界面，数据自动存储并以折线图、数值卡片等形式动态可视化展示。项目基于Maven构建，结构清晰，包含完整src源码、配置文件（数据库连接、UI样式）、可执行jar打包脚本及详细README文档。本地只需JDK 8以上环境，用IDEA或命令行执行mvnw clean compile即可编译，通过main方法或java -jar直接启动，无需额外安装中间件或服务。数据流向明确：模拟器→采集模块→内存存储→前端渲染，各环节代码解耦、注释充分，方便学生理解物联网数据链路。配套文档说明了环境配置、编译命令、运行方式、模块职责和扩展建议，适合课程设计快速上手、毕业设计原型搭建或物联网基础实验教学使用。

本文还有配套的精品资源，点击获取