AWS Amplify Storage 在 Next.js 服务端渲染中的 XMLHttpRequest 问题解析
问题背景
在使用 AWS Amplify Storage 模块的 getUrl 方法时,如果启用了 validateObjectExistence 选项,在 Next.js 的服务端渲染环境中可能会遇到 "ReferenceError: XMLHttpRequest is not defined" 的错误。这个问题特别出现在 Next.js 的 Edge Runtime 环境中。
技术原理分析
AWS Amplify Storage 模块在设计上为了支持更好的上传进度跟踪功能,在浏览器环境中会优先使用 XMLHttpRequest (XHR) 而不是 Fetch API。这种设计选择在客户端环境中是完全合理的,因为 XHR 提供了更细粒度的进度控制。
然而,在服务端环境中,特别是 Node.js 运行时,XMLHttpRequest 并不是原生可用的 API。当 Storage 模块被配置为验证对象存在性(validateObjectExistence: true)时,它会尝试发起一个 HTTP 请求来确认对象是否存在,这时就会触发 XHR 的使用。
问题复现场景
这个问题在以下配置组合下会出现:
- 使用 Next.js 应用
 - 在 API 路由或页面中使用了 Amplify Storage 的 getUrl 方法
 - 启用了 validateObjectExistence 选项
 - 运行在 Edge Runtime 环境中
 
特别值得注意的是,Next.js 在构建 Edge Runtime 的 bundle 时会使用 "browser" 字段的配置,这会导致 Storage 模块选择 XHR 实现而非服务端友好的 HTTP 客户端。
解决方案
针对这个问题,开发者可以采取以下几种解决方案:
- 
避免在 Edge Runtime 中使用 Storage API: AWS Amplify 官方文档明确指出 Storage API 不支持 Next.js 的 Edge Runtime 环境。开发者应确保相关代码运行在标准的 Node.js 运行时中。
 - 
禁用对象存在性验证: 如果业务场景允许,可以将 validateObjectExistence 选项设置为 false,这样就不会触发额外的 HTTP 请求验证。
 - 
自定义 HTTP 客户端: 高级开发者可以通过配置自定义的 HTTP 客户端实现,替换默认的 XHR 实现,使其适应服务端环境。
 
最佳实践建议
对于需要在 Next.js 中使用 AWS Amplify Storage 的开发者,建议遵循以下最佳实践:
- 明确区分客户端和服务端代码
 - 对于服务端操作,考虑使用 AWS SDK 直接与 S3 交互
 - 仔细评估是否需要对象存在性验证
 - 避免在 Edge Runtime 中使用 Storage 相关功能
 
总结
这个问题揭示了在跨环境(浏览器/服务端)JavaScript 开发中的一个常见挑战 - API 兼容性。AWS Amplify Storage 模块主要设计用于客户端环境,在服务端使用时需要特别注意其实现细节和限制。开发者应当充分理解所使用的工具在不同环境下的行为差异,才能构建出稳定可靠的应用程序。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00