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。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112