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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00