AWS SDK for JavaScript v3 在 React Native 中的 ReadableStream 问题解析
问题背景
AWS SDK for JavaScript v3 是目前 AWS 官方推荐的 JavaScript SDK 版本。近期,许多 React Native 开发者在使用该 SDK 时遇到了一个棘手的问题:在 iOS 和 Android 平台上运行时出现 ReferenceError: Property 'ReadableStream' doesn't exist 错误,而同样的代码在 Web 环境下却能正常工作。
问题现象
开发者在使用 AWS SDK v3 的 S3、Cognito 等服务时,特别是在执行上传文件或身份验证等操作时,会遇到以下两种典型错误:
- 未添加 polyfill 时:
ReferenceError: Property 'ReadableStream' doesn't exist - 添加 web-streams-polyfill 后:
TypeError: null is not a function
这些问题主要出现在 React Native 0.70 及以上版本中,因为这些版本默认启用了 Hermes JavaScript 引擎,而 Hermes 目前尚未实现 ReadableStream API。
技术分析
根本原因
-
Hermes 引擎限制:React Native 从 0.70 版本开始默认使用 Hermes 引擎,而 Hermes 目前没有实现 Web Streams API 中的 ReadableStream。
-
SDK 内部依赖:AWS SDK v3 在某些操作中会检查请求体是否为 ReadableStream 实例,这在没有 polyfill 的环境下会直接抛出错误。
-
版本兼容性问题:从 v3.575.0 开始,SDK 内部对信号事件监听器的处理方式发生了变化,导致在 React Native 环境下会抛出
TypeError: null is not a function错误。
影响范围
- 受影响的 SDK 版本:v3.575.0 及以上
- 受影响的 React Native 版本:0.70 及以上(使用 Hermes 引擎)
- 受影响的操作系统:iOS 和 Android
解决方案
临时解决方案
-
降级 SDK 版本: 目前确认 v3.574.0 版本可以正常工作:
npm install @aws-sdk/client-s3@3.574.0 -
添加必要的 polyfill: 在应用的入口文件(通常是 index.js)中添加以下代码:
import 'react-native-get-random-values'; import 'react-native-url-polyfill/auto'; import { ReadableStream } from 'web-streams-polyfill/ponyfill'; globalThis.ReadableStream = ReadableStream; -
禁用 Hermes 引擎(不推荐): 如果需要,可以按照 React Native 官方文档禁用 Hermes 引擎,但这会影响应用性能。
长期解决方案
AWS SDK 团队已经意识到这个问题,并正在考虑以下改进:
- 在官方文档中明确 React Native 环境下的 polyfill 要求
- 修复 SDK 中与信号事件监听器相关的兼容性问题
- 与 React Native 团队合作,推动 Hermes 引擎对 Web Streams API 的支持
最佳实践建议
-
保持 SDK 版本更新:关注 AWS SDK 的更新日志,特别是关于 React Native 兼容性的改进。
-
测试策略:在 React Native 项目中,应该针对 iOS 和 Android 平台分别进行 AWS SDK 相关功能的测试。
-
错误处理:在代码中添加适当的错误处理逻辑,捕获并处理可能的 ReadableStream 相关错误。
-
性能考虑:polyfill 会增加包体积,应该评估其对应用性能的影响。
总结
AWS SDK for JavaScript v3 在 React Native 中的 ReadableStream 问题主要源于 Hermes 引擎的特性限制和 SDK 内部实现的变化。目前可以通过降级 SDK 版本或添加适当的 polyfill 来解决这个问题。开发者应该密切关注 AWS SDK 和 React Native 的更新,以便在官方提供更完善的解决方案后及时升级。
这个问题也提醒我们,在跨平台开发中使用原生 SDK 时,需要特别注意不同运行环境的差异和兼容性问题。通过合理的工程实践和持续集成测试,可以最大限度地减少这类问题对开发进度的影响。
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