Drizzle ORM 在 GitHub Codespaces 中的运行问题分析与解决方案
问题背景
Drizzle ORM 是一个现代化的 TypeScript ORM 框架,其 Studio 功能提供了一个可视化界面来管理数据库。然而,在 GitHub Codespaces 环境中运行时,用户遇到了一个与压缩流相关的错误。
核心问题分析
当在 GitHub Codespaces 中使用 Bun 运行时执行 bunx drizzle-kit studio 命令时,系统会抛出以下错误:
ReferenceError: Can't find variable: CompressionStream
这个错误源于 Drizzle Studio 依赖的 hono/compress 模块,该模块使用了 CompressionStream API。问题本质在于:
- Bun 运行时目前尚未完全实现 Node.js 的所有 API,特别是
CompressionStream - 在 PR 2866 中引入的压缩功能导致了这一兼容性问题
- 该问题不仅限于 Codespaces,在本地使用 Bun 运行时同样会出现
技术细节
CompressionStream 是 Web 标准 API 的一部分,用于在流中实现数据压缩。在 Node.js 环境中,这个 API 是可用的,但在 Bun 中尚未实现。Drizzle Studio 在内部使用这个 API 来处理 HTTP 响应的压缩。
解决方案
经过社区讨论和测试,目前有以下几种可行的解决方案:
-
使用 Node.js 运行时:
- 安装 Node.js(建议版本 18.19.1 或更高)
- 使用
npx drizzle-kit studio代替bunx命令 - 这是目前最稳定的解决方案
-
临时禁用压缩功能:
- 如果可能,可以修改 Drizzle Kit 的配置暂时禁用压缩
- 这需要修改源代码,不是长期解决方案
-
等待 Bun 实现完整 API:
- 关注 Bun 的更新日志,等待其实现完整的
CompressionStream支持 - 这是一个被动方案,不适合急需使用的场景
- 关注 Bun 的更新日志,等待其实现完整的
深入理解
值得注意的是,当系统中同时安装了 Node.js 和 Bun 时,bunx 命令在某些情况下会自动回退到使用 Node.js 运行。这是因为:
bunx会首先检查--bun标志强制使用 Bun- 然后会查找脚本中的 shebang(如
#!/usr/bin/env node) - 最后才会尝试使用 Bun 运行
这种回退机制解释了为什么在安装了 Node.js 的系统上,问题可能会"自动解决"。
最佳实践建议
对于需要在多种环境中使用 Drizzle Studio 的开发者,建议:
- 在开发环境中统一使用 Node.js 作为运行时
- 如果必须使用 Bun,考虑在 CI/CD 流程中明确指定运行时
- 关注 Drizzle ORM 的更新,未来版本可能会解决这一兼容性问题
总结
Drizzle ORM Studio 在 GitHub Codespaces 中的运行问题揭示了 JavaScript 运行时生态系统的碎片化现状。作为开发者,理解不同运行时的特性差异和兼容性状况,能够帮助我们更好地选择和配置开发环境。目前,使用 Node.js 运行时是最可靠的解决方案,而随着 Bun 的不断发展,未来这一问题有望得到根本解决。
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