SST 项目中从 open-next 迁移到 @opennextjs/aws 的指南
在 SST (Serverless Stack) 项目中,近期出现了一个重要的变更:从 open-next 迁移到 @opennextjs/aws。这个变更从版本 3.1.4 开始生效,对于使用 SST 框架开发 Next.js 应用的开发者来说,需要了解这一变化并相应地调整项目配置。
背景与变更原因
SST 框架一直致力于为开发者提供最佳的 Serverless 开发体验。随着 Next.js 生态系统的演进,官方推荐的工具链也在不断优化。从 open-next 迁移到 @opennextjs/aws 正是这一演进过程的一部分,目的是提供更稳定、更高效的构建和部署体验。
变更影响
这一变更主要影响以下几个方面:
- 构建命令的变化
- 依赖管理的变化
- 运行时配置的变化
解决方案
对于 SST v3 用户
在 SST v3 中,可以通过以下方式适配这一变更:
- 在
sst.config.ts文件中明确指定构建命令 - 在项目中单独安装
@opennextjs/aws依赖
配置示例:
new sst.aws.Nextjs("nextjs", {
buildCommand: "yarn opennextjs-build",
runtime: "nodejs20.x",
path: ".",
});
然后在 package.json 中添加相应的脚本:
"scripts": {
"opennextjs-build": "npx @opennextjs/aws build"
}
或者更简洁的方式是直接在配置中指定构建命令:
new sst.aws.Nextjs("nextjs", {
buildCommand: "npx @opennextjs/aws build",
runtime: "nodejs20.x",
path: ".",
});
对于 SST v2 用户
SST v2 用户同样可以通过自定义 buildCommand 来适配这一变更。虽然具体的配置方式可能略有不同,但核心思路是一致的:明确指定使用 @opennextjs/aws 作为构建工具。
最佳实践
-
版本锁定:建议在
package.json中明确指定@opennextjs/aws的版本,以避免潜在的兼容性问题。 -
构建缓存:考虑配置适当的构建缓存策略,以优化构建性能。
-
环境变量管理:确保所有必要的环境变量在构建时和运行时都能正确传递。
-
监控与日志:部署后,密切关注应用的性能和日志,确保一切按预期工作。
迁移后的验证
完成迁移后,建议进行以下验证:
- 构建过程是否成功完成
- 部署后的应用功能是否正常
- 性能指标是否符合预期
- 错误日志中是否有相关警告或错误
总结
这次从 open-next 到 @opennextjs/aws 的迁移是 SST 框架持续优化的一部分。虽然需要开发者做一些配置调整,但这些变化最终会带来更稳定、更高效的开发体验。通过遵循上述指南,开发者可以顺利完成迁移,并继续享受 SST 框架带来的开发便利。
kernelopenEuler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。C075
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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