解决nvm在macOS M1芯片上安装旧版Node.js的问题
2025-04-29 06:56:20作者:鲍丁臣Ursa
在macOS系统上使用nvm管理Node.js版本时,用户可能会遇到安装旧版本Node.js失败的情况。本文将深入分析这一问题的原因,并提供有效的解决方案。
问题现象
当用户在搭载Apple Silicon(M1/M2)芯片的Mac电脑上尝试安装Node.js 14.x或更早版本时,nvm会报错显示"404 Not Found",随后尝试从源码编译但最终失败。错误信息表明系统无法找到对应的ARM架构二进制包。
根本原因
这一问题的核心在于架构兼容性:
- Node.js在16.x版本之前没有为Apple Silicon芯片提供原生ARM64架构的预编译二进制包
- 当nvm尝试下载旧版本时,自动检测到系统是ARM架构,但服务器上不存在对应的ARM64版本
- 回退到源码编译时,旧版Node.js的构建系统不完全支持M1芯片环境
解决方案
方案一:使用Rosetta 2运行x86_64版本
- 打开终端应用
- 右键点击终端图标,选择"获取信息"
- 勾选"使用Rosetta打开"选项
- 关闭并重新打开终端
- 再次尝试安装旧版Node.js
方案二:直接指定x86_64架构
在安装命令前添加架构参数:
arch -x86_64 zsh
nvm install 14
方案三:升级到支持的版本
考虑升级到Node.js 16.x或更高版本,这些版本已提供原生ARM64支持:
nvm install 16
最佳实践建议
- 对于新项目,建议直接使用Node.js 18.x或20.x等长期支持(LTS)版本
- 如必须使用旧版本,建议通过Docker容器运行,避免污染主机环境
- 定期检查项目依赖,逐步升级到支持的Node.js版本
技术背景
Apple Silicon芯片采用ARM架构,而此前mac电脑使用Intel x86_64架构。虽然Rosetta 2提供了二进制转译层,但某些情况下仍会遇到兼容性问题。Node.js社区从16.x版本开始全面支持ARM64架构,建议开发者尽可能使用这些较新版本以获得最佳性能和兼容性。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0576
MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解,并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。Python00
DataFlow基于大模型算子和工作流的高效文本大模型训练数据合成框架Python07
doraDORA (Dataflow-Oriented Robotic Architecture 面向数据流的机器人架构) 是为 AI 与具身智能机器人打造的高性能开发框架,以数据流范式重构开发逻辑,原生支持分布式部署与端边云协同 —— 无需复杂适配,即可实现一体端到端具身大小脑、VLA等模型部署,无缝衔接感知、推理、控制全链路,让 AI 能力与机器人动作深度融合。 依托 Rust 内核与零拷贝通信技术,它将具身大小脑、VLA等模型推理、多模态数据融合延迟压缩至微秒级,同时兼容 ROS2 生态与国产 AI 芯片,彻底降低具身智能机器人的开发门槛,让分布式部署下的 AI 赋能创新更高效、更灵活。Rust02
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
py-xiaozhi基于Python的Xiaozhi AI,适用于想要完整Xiaozhi体验而无需拥有专用硬件的用户。Python01
热门内容推荐
最新内容推荐
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
509
550
暂无描述
Markdown
852
5.68 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.48 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
838
1.27 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
844
1.69 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
856
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.37 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
345
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
783
410