dotenvx 在 Vercel 部署中的环境变量处理实践
2025-06-19 14:06:39作者:咎竹峻Karen
在 Next.js 项目中使用 dotenvx 管理环境变量时,开发者经常会遇到环境变量在 Vercel 平台上表现不一致的问题。本文将深入分析这一现象的技术原理,并提供多种解决方案。
环境变量在 Next.js 中的分类
Next.js 将环境变量分为两种类型:
- 构建时变量:在构建过程中被静态替换的变量
- 运行时变量:在应用运行时动态获取的变量
这种区分导致了不同的行为表现。当使用 dotenvx 在 Vercel 上部署时,开发者需要特别注意这种差异。
典型问题场景分析
在 App Router 架构下,如果直接按照 dotenvx 文档示例设置环境变量,变量会被静态编译到构建产物中,这能够正常工作。但在以下场景会出现问题:
- 使用 Pages Router 架构
- 在 API 路由中使用环境变量
- 需要动态获取环境变量的场景
问题的本质在于 Next.js 的构建机制决定了变量是静态编译还是运行时获取。
解决方案详解
方案一:使用 NEXT_PUBLIC 前缀
对于非敏感数据,可以在变量名前添加 NEXT_PUBLIC_ 前缀:
npm run dotenvx -- set NEXT_PUBLIC_HELLO production -f .env.production
这种方法会将变量编译到客户端代码中,因此不适用于敏感信息。
方案二:手动处理构建产物
对于敏感数据,可以:
- 使用 dotenvx run -- next build 构建项目
- 手动将 .env 文件复制到构建产物中
- 配置项目以独立服务器模式运行
这种方法更安全但增加了部署复杂度。
方案三:使用 dotenvx.get 方法
最新版本的 dotenvx 提供了 get 方法,可以在服务端组件中动态获取环境变量:
import * as dotenvx from '@dotenvx/dotenvx';
export default function Page({ hello }) {
return <h1>Hello {hello}</h1>;
}
export function getServerSideProps() {
const hello = dotenvx.get('HELLO');
return { props: { hello } };
}
这种方法既安全又便捷,是推荐的做法。
方案四:Vercel 环境变量配置
对于客户端组件,可以通过 Vercel 项目设置直接配置环境变量,然后通过 process.env 访问。这种方法与平台深度耦合,但实现简单。
最佳实践建议
- 敏感数据始终使用服务端渲染或 API 路由处理
- 优先使用 dotenvx.get 方法获取运行时变量
- 客户端需要的非敏感变量使用 NEXT_PUBLIC_ 前缀
- 复杂项目考虑混合使用多种方案
理解这些技术细节后,开发者可以根据项目需求选择最适合的环境变量管理策略,确保应用在 Vercel 平台上稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493