Oracle Node.js驱动(node-oracledb)6.6.0版本的打包问题解析
Oracle官方提供的Node.js数据库驱动node-oracledb在6.6.0版本中引入了一个值得开发者注意的变化。这个变化主要影响了使用构建工具(如esbuild、Webpack等)打包项目的开发者。
在6.6.0版本中,node-oracledb新增了对Azure和OCI(Oracle Cloud Infrastructure)配置提供程序的支持。这一功能是为了配合Oracle Database 23ai的新特性——集中式配置提供程序。实现这一功能的方式是在代码中动态引入了几个第三方SDK包:
- @azure/app-configuration
- @azure/identity
- @azure/keyvault-secrets
- oci-common
- oci-objectstorage
- oci-secrets
这些依赖项是通过条件require语句引入的,意味着它们只在特定功能被使用时才会被加载。然而,这种动态引入方式会给构建工具带来挑战,特别是当开发者使用esbuild等工具进行打包时。
当开发者尝试使用esbuild的--bundle选项打包包含node-oracledb的项目时,构建工具会报错,提示无法解析上述依赖包。这是因为构建工具在静态分析阶段无法确定这些依赖是否会被使用,因此会尝试将它们包含在最终的包中。
解决这个问题有两种主要方法:
-
将依赖标记为外部依赖:通过构建工具的配置将这些包标记为外部依赖,不包含在最终的包中。例如在esbuild中使用--external参数,或在Webpack配置中添加externals。
-
显式安装依赖:如果项目确实需要使用这些Azure或OCI功能,可以显式安装这些依赖包。但要注意这会导致最终的包体积显著增加。
对于使用Next.js框架的开发者,解决方案略有不同。可以在next.config.js中通过配置serverExternalPackages将oracledb标记为外部包,或者通过自定义Webpack配置将这些特定依赖标记为外部。
值得注意的是,这些新增的依赖项对于不使用Azure或OCI配置提供程序功能的开发者来说是完全可选的。Oracle官方建议开发者根据实际需求选择最适合的解决方案,而不是盲目添加所有依赖项。
这一变化反映了现代数据库驱动向云原生和配置集中化管理的发展趋势,同时也提醒开发者在升级依赖版本时需要关注其可能带来的构建配置变化。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00