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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00