DataGear 是一个开源免费的数据可视化分析平台，基于 Spring Boot + ECharts 构建，支持 SQL / CSV / Excel / HTTP / JSON 等多源数据接入，并提供可高度自定义的 HTML 看板编辑器，适合想把 BI 能力完全掌控在自己手里的团队。
写在前面
企业做数据看板，常见三条路：买 Tableau / Power BI License、搭开源 Metabase / Superset、或者干脆让前端团队手写一个 Dashboard。第一条路贵，第二条路重，第三条路灵活但维护成本高。
DataGear 试图走一条中间路线：开源、私有化、单体轻量、看板可自由编码。它已经持续迭代了 6 年以上，官网仍保持活跃更新，2026 年 7 月刚发布了 6.0.0 版本，同时存在企业版。这篇文章会从功能、架构、竞品对比、实战部署几个维度，帮你判断它是否值得纳入技术选型。
一、它解决什么问题
DataGear 的核心定位是 “ 自由制作任何数据看板 ”。它面向的是需要把数据从数据库、文件、API 中捞出，并以图表 + 看板形式展示给业务方使用的中小团队，以及不想把数据上传到第三方 SaaS 的私有化部署场景。
| 基本信息 | 内容 |
|---|---|
| 项目地址 | https://github.com/datageartech/datagear |
| 协议 | LGPL-3.0 |
| 技术栈 | Spring Boot + MyBatis + jQuery + Vue3 + ECharts |
| 最新版本 | 6.0.0（2026-07） |
| 开发历史 | 2018 年 11 月发布 1.0.0，至今 50+ 版本 |
| 企业版 | 有，基于开源版扩展 |
| 开发公司 | 北京溪歌科技有限公司 |
它的解决思路很直接：数据源接入 → 数据集定义 → 图表绑定 → 看板排版 → 分享嵌入，全部在同一个系统内完成，不需要额外拼接 Chart.js + Grafana + 自研后台。
二、支持范围：数据源、数据集、图表、看板
DataGear 的功能模块可以拆成四层理解。
1. 数据源层
– 关系型数据库：MySQL、PostgreSQL、Oracle、SQL Server、人大金仓、达梦、OceanBase、TiDB
– 大数据引擎：Elasticsearch、ClickHouse、Hive
– 文件与接口：CSV、Excel、HTTP 接口、JSON、文件
– 运行时扩展：支持通过 JDBC 驱动动态接入任意数据库
2. 数据集层
– SQL 数据集：支持参数化查询，可定义文本框、下拉框、日期框等筛选参数
– 文件数据集：CSV / Excel / JSON / 文件
– 接口数据集：HTTP 接口，支持文本、XML 请求体
– 数据集可绑定多个数据源，方便做同比环比
3. 图表层
– 内置 70+ 图表类型：折线图、柱状图、饼图、地图、雷达图、漏斗图、散点图、K 线图、桑基图、水球图、词云图等
– 一个图表可绑定多个不同来源的数据集
– 支持自定义图表插件，可重写和扩展内置图表
4. 看板层
– 原生 HTML 模板：导入任意 HTML / JavaScript / CSS
– 可视化编辑模式：拖拽布局，支持手机 / 平板 / 桌面 / 大屏响应式
– 源码编辑模式：自由编写 JS / CSS，支持引入 Vue、React、Bootstrap、Tailwind CSS
– 分享与嵌入：密码保护、iframe 嵌入
– 看板 API：图表联动、数据钻取、异步加载、交互表单
三、差异化能力：为什么选 DataGear 而不是直接写前端
DataGear 和 ” 自己写一个 Dashboard” 之间，关键差别在于它已经把 数据源管理、SQL 工作台、权限控制、数据导入导出、数据集缓存、图表生命周期 这些脏活累活封装好了。
它的几个差异化点：
1. 原生 HTML 看板 + 可视化编辑双模式
大多数开源 BI 工具看板编辑是 ” 拖拽组件 ”，自定义程度有限。DataGear 的看板本质是 HTML 页面，可视化编辑只是表层，底层可以随时切到源码模式直接改 HTML / JS / CSS。对于有前端能力的团队，这意味着看板效果没有上限。
2. 运行时 JDBC 驱动扩展
数据库驱动不需要打包进镜像，可以在运行时添加。对于需要接入国产库或冷门数据库的场景，这是一个很实用的设计。
3. 图表插件机制
内置图表不够用时，可以上传自定义图表插件，也可以重写内置图表的配置项和渲染逻辑。这和 Grafana 的 panel 插件思路类似，但更轻量。
4. 六年轻量迭代
2018 年至今 50+ 版本，单单体应用，不需要 K8s，不需要消息队列，Java 8+ 即可运行。对于小团队私有化部署，运维成本远低于 Superset 的 Python 全家桶。
四、编辑器与扩展能力
DataGear 的编辑器能力可以用一张表概括：
| 能力 | 说明 |
|---|---|
| 数据源管理 | 增删改查、导入导出、SQL 工作台 |
| 数据集定义 | SQL / HTTP / CSV / Excel / JSON / 文件，支持参数化 |
| 图表绑定 | 单图表多数据集、70+ 内置图表、自定义插件 |
| 看板编辑 | 可视化拖拽 + 源码编辑双模式 |
| 多端适配 | 手机 / 平板 / 桌面 / 大屏响应式布局 |
| 权限控制 | 基于角色的访问控制，数据默认私有 |
| 安全机制 | 越权校验、SQL 防注入、数据源防护、敏感信息加密、日志脱敏 |
| 看板 API | 图表联动、数据钻取、异步加载、生命周期钩子 |
| 前端框架 | 支持引入 Vue、React、Bootstrap、Tailwind CSS |
| 嵌入分享 | iframe 嵌入、密码保护看板 |
这套体系的核心优势是 前端自由度。看板不是黑盒组件，而是可编辑的 HTML 页面，业务方要改个样式、加个交互、接个第三方 JS SDK，都可以直接改源码实现。
五、对比：DataGear vs Metabase vs Apache Superset vs Grafana
| 维度 | DataGear | Metabase | Apache Superset | Grafana |
|---|---|---|---|---|
| 语言栈 | Java + jQuery + Vue3 | Clojure + React | Python + Flask + React | Go + React |
| 部署重量 | 单体 jar，极轻 | 单体 jar，轻 | Python 全家桶，重 | 单体二进制，轻 |
| 看板自由度 | HTML 源码级自定义 | 较低，受限于内置组件 | 中等，支持自定义插件 | 中等，支持插件 |
| 数据源数量 | 70+（JDBC 扩展） | 30+ | 40+ | 50+ |
| 国产数据库 | 人大金仓、达梦、OceanBase、TiDB | 部分 | 部分 | 部分 |
| 实时数据 | 企业版支持 MQTT/WebSocket/Redis/MongoDB | 有限 | 有限 | 强（流式） |
| 图表数量 | 70+ 内置 + 自定义插件 | 20+ | 40+ | 面板生态丰富 |
| 开源协议 | LGPL-3.0 | AGPL-3.0 | Apache-2.0 | AGPL-3.0 |
| 适合场景 | 私有化 BI、定制化看板 | 快速数据分析、业务自助 | 大数据探索、Airflow 生态 | 时序监控、运维大屏 |
结论 ：DataGear 的 sweet spot 是 私有化部署 + 前端自定义要求高 + 需要国产数据库支持 的场景。如果你的团队已经有前端资源，希望看板效果不受内置组件限制，DataGear 比 Metabase / Superset 更灵活。如果你的需求是运维监控 / 时序数据，Grafana 仍是首选。
六、实战：3 步本地跑通
环境要求：Java 8+、Maven
步骤 1：克隆仓库
git clone https://github.com/datageartech/datagear.git
cd datagear
步骤 2：编译打包
mvn clean package -DskipTests
编译完成后，程序包位于 datagear-webapp/target/datagear-[version]-packages/ 目录。
步骤 3：启动访问
# Linux / macOS
cd datagear-[version]-bin
./startup.sh
# Windows
cd datagear-[version]-bin
startup.bat
浏览器访问 http://localhost:50401，默认账号 admin，默认密码 admin。
系统首次启动时会自动创建内置 Derby 数据库，工作目录位于用户主目录下的 .datagear。如果要对接 MySQL / PostgreSQL 等外部数据库作为元数据库，需要修改配置文件。
七、风险与坑
- 前端技术栈偏旧：jQuery + Freemarker 的组合在 2026 年显得保守，Vue3 只在部分新模块中使用。如果团队前端栈是纯 React / Vue3，二次开发的代码风格会有割裂感。
- 社区生态偏小：相比 Metabase / Superset 的国际社区，DataGear 的用户主要集中在国内，GitHub 讨论和第三方插件资源较少。
- LGPL-3.0 商用注意：如果你基于 DataGear 做二次开发并分发修改版，需要遵守 LGPL-3.0 的 copyleft 要求。仅部署使用、不修改源码则无影响。
- 企业版功能锁定：MQTT / WebSocket / Redis / MongoDB 实时数据源、组织机构管理等能力在企业版中提供，开源版仅支持基础数据源。
- 国产数据库驱动需自行测试：虽然理论上支持任意 JDBC 驱动，但部分国产库的 SQL 方言、分页语法、时间类型处理可能存在兼容问题，上线前需要 POC。
八、总结
DataGear 最值得装的三个理由：
- 私有化部署零依赖：单体 Java 应用，不需要 K8s，不需要消息队列，一台 2C4G 的云服务器就能跑，数据完全自己掌控。
- 看板前端自由度最高：HTML 源码级编辑 + 可视化拖拽双模式，有前端资源的团队可以做出任何想要的效果，不会被困在 ” 内置组件能做什么 ” 的限制里。
- 国产数据库支持好：对人大金仓、达梦、OceanBase、TiDB 等国产库的适配在国内 BI 工具里比较领先，适合信创或去 O 场景。
如果你的场景是：小团队私有化 BI、前端有能力定制看板、需要接入多种国产数据库、不想折腾 Python 全家桶的运维，DataGear 值得花一个下午本地跑一遍试试。
参考
- DataGear 官网：http://www.datagear.tech/
- GitHub 仓库：https://github.com/datageartech/datagear
- 企业版介绍：http://www.datagear.tech/pro/
- CSDN 发布日志：https://blog.csdn.net/datagear/article/details/146971707
- 知乎介绍：https://zhuanlan.zhihu.com/p/353215927
- SegmentFault 介绍：https://segmentfault.com/a/1190000041988084
- 博客园入门教程：https://www.cnblogs.com/why775852/p/19428455