使用快照启动 Python 环境

在本教程中，我们将使用 Deno Sandbox SDK 创建一个可启动的卷， 在该卷上设置开发环境并生成快照以供未来使用。 这种工作流程非常适合像 Python 这样的语言，因为环境搭建可能比较慢， 但是生成的文件系统可以在多个沙箱间重复使用。

要使用 Deno Sandbox SDK，你需要一个 Deno Deploy 账户和访问令牌。 你可以免费注册，并在控制面板的 Sandboxes → Overview → + Create Token 下创建访问令牌。

创建一个基础的 Deno 应用并安装 @deno/sandbox SDK Jump to heading#

首先，为此项目创建一个新目录并初始化一个 Deno 应用：

deno init my-snapshot-project
cd my-snapshot-project
deno add jsr:@deno/sandbox

1. 将 Python 烘焙进可启动卷 Jump to heading#

创建一个新文件 setup_python.ts。该脚本将创建一个新卷，启动它，安装 Python 及一些流行库，然后对卷进行快照以便未来使用。想法是在这里完成耗时的设置工作一次，之后就可以复用快照来在几秒内启动新的沙箱。

在此文件中，我们将导入 Sandbox SDK，创建客户端并设置一个函数以初始化带有 Python 的卷：

import { SandboxClient } from "@deno/sandbox";
const client = new SandboxClient();

async function initSandbox() {
  // ... 接下来填写这里
}

在该函数内部，我们创建一个容量为 10GB 的新卷，给它一个简便引用的 slug，并指定区域：

const volume = await client.volumes.create({
  region: "ord",
  slug: "fun-with-python",
  capacity: "10GB",
});

接着，我们启动一个沙箱，将该卷作为根文件系统。await using 语法确保完成后沙箱会自动清理：

await using sandbox = await client.sandboxes.create({
  region: "ord",
  root: volume.slug,
});

我们使用 apt 和 pip 安装 Python 以及一些常用科学库。注意 pip 中使用了 --break-system-packages，因为该沙箱拥有整个系统权限，可以安全地绕过 pip 通常防止修改系统文件的保护：

await sandbox.sh`sudo apt-get update -qq`;
await sandbox
  .sh`sudo apt-get install -y python3 python3-pip python3-venv python3-dev build-essential`;

await sandbox.sh`sudo pip3 install --break-system-packages \
    requests \
    httpx \
    numpy \
    pandas \
    python-dotenv`;

console.log("Verifying Python installation...");

await sandbox.sh`python3 --version`;
await sandbox.sh`pip3 --version`;

该函数的最后一步是返回 volume.id，以便传递给快照步骤使用：

return volume.id;

（记得在此 return 语句后用 } 关闭函数。）

接下来调用该函数并对生成的卷进行快照。这样会创建一个 slug 为 fun-with-python-snapshot 的新快照，后续可以基于它启动沙箱：

const volumeId = await initSandbox();

console.log("Snapshotting the volume...");

const snapshot = await client.volumes.snapshot(volumeId, {
  slug: "fun-with-python-snapshot",
});

console.log("Created Python snapshot " + snapshot.id);

使用带网络和环境权限运行该脚本，以便访问 Sandbox API：

deno run -N -E setup_python.ts

快照是只读的。所有挂载此 slug 的沙箱都会看到已安装好 Python 和上述包的文件系统。

直接从快照启动 Jump to heading#

创建一个新文件 use_python.ts。该脚本将直接从前一步创建的快照启动新沙箱，而不运行任何设置命令。这展示了如何复用快照跳过环境配置，直接运行代码。

起初，我们导入 SDK 并创建客户端，方式与前面相同：

import { Client } from "@deno/sandbox";

const client = new Client();

然后创建一个新沙箱，这次我们在 root 字段中指定快照 slug，而非卷：

await using sandbox = await client.sandboxes.create({
  region: "ord",
  root: "fun-with-python-snapshot",
  port: 8000,
  timeout: "30m",
});

此沙箱设置了 30 分钟超时，并开放了 8000 端口，供我们稍后 Python 应用使用。

目前我们使用一个占位字符串，将在稍后替换成真正的 Python 应用代码，并将它写入沙箱文件系统的 /tmp/app.py：

const appCode = `# Python app code goes here`;

await sandbox.fs.writeTextFile("/tmp/app.py", appCode);

最后，我们在后台启动 Python 应用，并打印它可访问的公共 URL。await p.output() 会让脚本保持运行状态，从而避免沙箱立即关闭：

const p = await sandbox.sh`python3 /tmp/app.py`.spawn();

console.log("\nMandelbrot Explorer running at", sandbox.url);

await p.output();

现在我们用一个简单的 Python HTTP 服务器填充 appCode，该服务器用 numpy 绘制彩色的 ASCII 曼德尔布罗特分形。这只是个示例，用来展示我们在快照中安装的科学计算包 —— 你可以替换成任意 Python 代码！

你可以从GitHub 仓库获取该 Python 代码，并粘贴到 use_python.ts 中的 appCode 字符串里。

现在准备运行该脚本：

$ deno run -A use_python.ts

在浏览器打开日志输出的 URL，开始缩放吧；每个瓦片都是由你预装在快照里的 numpy 计算驱动！

迭代、分叉或清理快照 Jump to heading#

• 需要调整环境？从快照创建一个可写的分支，启动它，修改包，然后再次生成快照：

  const fork = await client.volumes.create({
    region: "ord",
    slug: "python-sandbox-fork",
    capacity: "10GB",
    from: "fun-with-python-snapshot",
  });
  

• 使用完快照？删除它以释放空间：

  await client.snapshots.delete("fun-with-python-snapshot");
  

🦕 通过此工作流程，你可以向团队成员、AI 代理或 CI 任务提供一个 slug，让他们几秒内启动一个预装好开发环境的沙箱。安装一次，生成快照，永远跳过环境配置。