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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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