Skip to main content
On this page

使用快照安全执行云端代码

View Page as MarkdownOpen the Markdown file in a new tabOpen in ClaudeAsk Claude about this page

视频描述 Jump to heading

Deno Sandbox 允许你以编程方式启动隔离的云端虚拟机。借助快照功能，你可以预先安装整个环境，然后从快照中启动，无需每次都等待安装。

在本视频中，我们展示了快照工作流程的完整过程：

  • 创建一个云端卷并启动沙箱
  • 安装 Python 及所需的包和构建工具
  • 快照该卷 —— 你的环境将被冻结并可重复使用
  • 从该快照即时启动新的沙箱，所有内容均已预装

作为演示，我们运行了一个实时交互式的 Mandelbrot 分形浏览器。一个完全部署在沙箱内部的 HTTP 服务器，代码从未接触宿主机。

这是安全执行 AI 生成代码、用户提交脚本或任何你想完全隔离且可复现的工作负载的基础。

文本记录与代码 Jump to heading

Python 无处不在 —— 数据科学、AI、脚本、网络应用，它是大家常用的语言。但你很快会遇到一个问题。Python 环境可能非常混乱；系统 Python、虚拟环境相互冲突，还有包需要本地构建工具。它可能是个大麻烦。

现在，假设你想运行一段非自己编写的 Python 代码。也许它是 AI 生成的，或者来自用户，或者只是试验性质。你真的不想让它接触你的机器。

今天，我将向你展示如何启动一个完全隔离的云沙箱，预装好 Python。我们将在里面运行一个由 Numpy 驱动的 Mandelbrot 分形浏览器，并作为一个实时 Web 应用提供，整个过程只需约 60 行 TypeScript，你的机器一次 Python 代码也不会运行。我们开始吧。

初始化一个基本的 Deno 项目 Jump to heading

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

这是一个非常基础的 Deno 项目。我们唯一用到的依赖是来自 JSR 的 Deno Sandbox SDK。该 SDK 用于以编程方式创建和管理云沙箱。我们将编写两个 TypeScript 文件。

setup_python.ts：这段代码只运行一次，用来创建沙箱，安装 Python 和一堆有用的包，然后做快照。

use_python.ts：当我们想在沙箱内实际使用 Python 环境时运行的脚本。

这种两步模式是关键。重活一次做完，结果可以反复利用。和 Docker 镜像或虚拟机快照类似。它们构建可能耗时且昂贵，但使用起来便宜快速。

设置快照 Jump to heading

接下来，我们看看 setup_python.ts 文件。我们用 Deno Sandbox SDK 创建一个客户端。

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

async function initSandbox() {
  // ... 接下来我们会补充内容
}

然后，我们创建一个 10GB 容量的卷。我这里使用的是 ord 区域，你可以选择任何区域。区域决定了沙箱运行的位置，离你越近延迟越低。

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

接下来，我们启动一个沙箱，把该卷挂载为根文件系统。这里用到了 await using 语法。这是 JavaScript 的显式资源管理。当此作用域结束时，沙箱会自动销毁，我们不需要额外操作清理。

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

在沙箱里，我们运行安装命令。首先是 apt-get update，接着安装 Python 3、Python 3 pip、Python 3 虚拟环境、Python 3 开发包和构建必备工具。最后一个很重要，提供了编译器，编译带有本地扩展的包必需用它。

然后安装我们的包。包括 requests、httpx、numpy、pandas、python-dotenv。我们用了 --break-system-packages 标志，因为沙箱里整个系统由我们掌控，不必受 pip 通常限制。最后通过打印 Python 和 pip 版本确认一切就绪。

setup_python.ts (cont.)
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`;

return volume.id;

完成后，调用 client.volumes.snapshot 来快照这个卷，传入卷 ID 和快照的 slug。

setup_python.ts (cont.)
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);

运行这个脚本时，使用 dino run 命令，开通网络和环境变量权限即可，然后就无需再运行它了。

deno run -N -E setup_python.ts

从快照启动 Jump to heading

现在，看一下 use_python.ts。首先，我们从刚才创建的快照启动沙箱。无需安装步骤，快照已包含一切。设置暴露端口 8000，并设置 30 分钟超时。

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

然后使用 sandbox.fs.writeTextFile 把我们的 Python 应用代码写入沙箱文件系统的临时目录。这种方式规避了 shell 转义问题，传入的是 TypeScript 字符串。

use_python.ts (cont.)
const appCode = `# Python app code goes here`;

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

Python 应用本身 是一个自包含的 HTTP 服务器。你可以从仓库复制代码，粘贴到 appCode 字符串中。

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

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

await p.output();

sandbox.url 返回一个公共 URL，可以访问到端口 8000。p.output() 使脚本保持运行。

看一下沙箱内部执行的内容。Python 应用用 NumPy 计算 Mandelbrot 集合。经典的分形，通过反复计算 z = z^2 + c，遍历复数平面上的点，统计每个点逃逸到无穷大的步数。NumPy 运算迅速，结果以颜色块字符渲染，根据逃逸时间从电蓝到绿色到深红，永不逃逸点则着实黑色。

运行 use_python.ts 脚本：

deno run -A use_python.ts

然后打开浏览器访问该 URL。

浏览器中能看到一个漂亮的交互式应用。每个导航按钮其实是带查询参数的链接，用于调整视野。当点击放大时，服务器重新计算新区域的分形并返回新页面。无 JavaScript，无 WebSocket，纯 HTTP。整个过程运行于云端一次性 Linux 虚拟机中。使用 Python、NumPy 和 Web 服务器，但都不运行在本地机器上。

这个模式的用途远不止分形。

  • 如果你构建一个工具，让 Claude 或其他模型为你写 Python 代码，可以把代码运行在沙箱中，代码无法触碰你的系统、读取文件，也无法窃取你的 API 密钥。

  • 如果你构建一个数据分析工具，让用户上传自己的 Python，同理。每个用户都有隔离环境，所需包预先打包入快照。

  • 快照是时间静止的快照。每次用快照启动的沙箱都是一致的。无需担心“只在我电脑上能运行”或漂移问题。

  • 最后，由于 NumPy 和其他包已经包含在快照，快照启动时间不足 200 毫秒，足够快速按需调用。

本演示用到的所有代码都可在教程示例中找到。使用沙箱 SDK 需要 Dino deploy 账号。

如果想更进一步，当然可以用你自己的 Python 脚本替换分形，或者在设置中添加不同的包。

🦕 快照方式让你可以构建完全符合需求的环境，并无限次重复使用。

Find more videos in the Examples page and on our YouTube channel.

你找到了你需要的东西吗？

编辑此页面
隐私政策