OpenTelemetry JavaScript SDK中ESM模块导入问题解析
问题背景
OpenTelemetry JavaScript SDK在最新版本中出现了一个与ES模块(ESM)导入相关的兼容性问题。该问题主要影响使用esbuild等现代打包工具进行构建的项目,特别是在采用ES模块格式打包时。
问题现象
当开发者使用@opentelemetry/instrumentation包并配合esbuild进行ESM格式打包时,会遇到两个明显的症状:
-
构建警告:esbuild会报告一个关于
ImportInTheMiddle的警告,指出这是一个导入命名空间对象而非构造函数,运行时将会崩溃。 -
运行时错误:实际运行时会抛出
TypeError: ImportInTheMiddle is not a constructor错误,导致应用无法正常启动。
技术分析
根本原因
问题的核心在于@opentelemetry/instrumentation包中对import-in-the-middle模块的导入方式不正确。当前代码使用了命名空间导入方式:
import * as ImportInTheMiddle from 'import-in-the-middle';
然后尝试将其作为构造函数使用:
new ImportInTheMiddle(...)
这在ES模块规范中是不合法的,因为命名空间导入对象不能作为构造函数使用。
ESM与CJS的差异
这个问题凸显了ES模块和CommonJS模块系统之间的重要差异:
-
命名空间导入:在ESM中,
import * as会创建一个包含所有导出成员的命名空间对象,这个对象本身不是构造函数。 -
默认导出:如果模块提供了默认导出,应该使用
import ImportInTheMiddle from 'import-in-the-middle'语法。 -
构造函数调用:只有被明确导出为构造函数的对象才能使用
new操作符实例化。
解决方案
正确的做法应该是:
- 检查
import-in-the-middle模块的导出方式 - 如果它提供了默认导出,改为使用默认导入语法
- 如果它需要被构造,确保导出的是一个构造函数
对于使用受影响版本的用户,临时解决方案可以是:
- 降级到已知稳定的版本
- 等待官方修复发布
- 在构建配置中添加特定规则来处理这个警告
影响范围
这个问题主要影响:
- 使用
@opentelemetry/instrumentation及其相关插件的项目 - 采用ES模块格式打包的项目
- 使用现代打包工具如esbuild、Vite等的项目
最佳实践建议
-
模块导入检查:在使用第三方模块时,仔细检查其导出方式,匹配正确的导入语法。
-
构建工具配置:了解不同构建工具对ESM和CJS模块的处理差异,适当配置。
-
版本兼容性:在升级OpenTelemetry相关依赖时,注意检查变更日志和已知问题。
-
错误处理:对OpenTelemetry的初始化代码添加适当的错误处理,避免因监控工具问题影响主应用。
这个问题已经被OpenTelemetry团队确认并修复,建议用户关注官方更新并及时升级到修复后的版本。
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