MQTT.js 在 Vite 构建中兼容旧版浏览器的解决方案
问题背景
在使用 Vue3 和 Vite 构建项目时,当引入 MQTT.js 5.4.0 及以上版本并启用 @vitejs/plugin-legacy 插件时,构建过程会出现关于 Big integer literals 的错误提示,导致构建失败。这个问题主要出现在需要兼容旧版浏览器(如 IE11 或 UC 浏览器)的项目中。
错误分析
构建错误显示:"Big integer literals are not available in the configured target environment",这表明 MQTT.js 5.x 版本使用了 ES2020 中的 BigInt 特性,而旧版浏览器不支持这一特性。Vite 的 legacy 插件在尝试将代码转换为兼容旧浏览器时,无法正确处理这些 BigInt 字面量。
解决方案
方案一:降级 MQTT.js 版本
最直接的解决方案是降级到 MQTT.js 4.1.0 版本,该版本不依赖 BigInt 特性,能够很好地兼容旧版浏览器:
npm install mqtt@4.1.0
方案二:配置 Vite 构建选项
如果必须使用 MQTT.js 5.x 版本,可以尝试调整 Vite 配置:
- 在 vite.config.ts 中增加对 BigInt 的 polyfill
- 调整 legacy 插件的配置
legacy({
targets: ["defaults", "ie >= 11", "chrome 52"],
additionalLegacyPolyfills: ["regenerator-runtime/runtime", "core-js/features/bigint"],
polyfills: [
// 原有polyfills...
"es.bigint",
"esnext.bigint"
]
})
方案三:使用预编译版本
可以考虑直接使用 MQTT.js 提供的预编译版本,通过 CDN 引入:
<script src="https://unpkg.com/mqtt@5.5.0/dist/mqtt.min.js"></script>
然后在代码中通过全局变量 mqtt 访问。
技术原理
MQTT.js 5.x 版本为了提升性能,在某些内部计算中使用了 BigInt 类型,这是 ES2020 引入的新特性。旧版浏览器(如 IE11)和某些移动端浏览器(如 UC 浏览器)不支持这一特性。Vite 的 legacy 插件虽然能处理大部分 ES6+ 特性的降级转换,但对 BigInt 的支持有限。
最佳实践建议
- 如果项目必须支持旧版浏览器,推荐使用 MQTT.js 4.x 版本
- 如果项目可以放弃对旧版浏览器的支持,可以移除 legacy 插件
- 对于混合环境,可以考虑动态加载不同版本的 MQTT.js,根据浏览器能力决定使用哪个版本
总结
在现代化前端工具链中兼容旧版浏览器是一个常见的挑战。MQTT.js 5.x 版本对现代 JavaScript 特性的使用使得它在旧环境中运行时需要额外的处理。开发者应根据实际项目需求,在功能性和兼容性之间做出合理的选择。对于大多数需要广泛浏览器兼容性的物联网应用,暂时使用 MQTT.js 4.x 版本可能是更稳妥的选择。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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