Vercel Sandbox挂载Drives启动提速2.4倍,中位创建时间降至0.7秒

Vercel 挂载 Drives 的 Sandbox 启动提速最高 2.4 倍,无需迁移成本。
Vercel 宣布挂载 Drives 的 Sandbox 实例启动速度大幅提升,中位创建时间从 1.7 秒降至 0.7 秒,p95 从 2.2 秒降至 1.6 秒,最高提速 2.4 倍。此次优化自动应用于所有使用 Drives 的 Sandbox,开发者无需升级 SDK 或修改配置,定价保持不变。中位数和 p95 同时下降,说明优化覆盖了典型场景和慢请求场景,而非仅改善少数情况。对于 AI 代码执行、预览部署和自动化测试等高频创建实例的工作流,更快的冷启动能直接降低端到端延迟和流水线耗时。
Vercel 近日宣布,挂载了 Drives 的 Sandbox 实例启动速度获得大幅提升。根据官方数据,Sandbox 的中位创建时间从 1.7 秒降低到 0.7 秒,p95 创建时间则从 2.2 秒降低到 1.6 秒,官方称启动速度提升最高可达 2.4 倍。

性能提升的具体数据
Vercel 在公告中给出了两个关键指标的变化:中位创建时间(median creation time)从 1.7 秒下降至 0.7 秒,p95 创建时间从 2.2 秒下降至 1.6 秒。中位数反映的是典型用户体验,而 p95 则代表了较慢那部分请求的表现——两者同时下降,说明这次优化覆盖了绝大多数场景,而不是只改善了少数情况。
从数值上看,中位数的绝对降幅达到 1 秒,相对提升约为 2.4 倍;p95 的降幅为 0.6 秒。对于依赖 Sandbox 进行代码执行、构建预览或自动化任务的开发者来说,每次创建实例节省的时间会随着调用频次累积,在 CI/CD 流水线或高频 API 调用场景中尤为可观。
中位创建时间与 p95 的区别:中位创建时间(median creation time)指将一段时间内所有 Sandbox 实例创建耗时按从小到大排序后,位于正中间的那个值,它能反映“典型”用户的实际体验,且不受极端慢请求的影响。p95 创建时间则是第 95 百分位值,意味着 95% 的实例创建都快于这个时间,只有 5% 的请求比它更慢。p95 通常用于衡量尾部延迟,是评估系统稳定性和“最差体验”的重要指标。两者同时下降,往往说明优化触及了创建路径中的共性瓶颈,而非仅仅改善了缓存命中或个别快速路径。
无需升级,自动生效
这次提速的一个关键特点是零迁移成本。Vercel 明确表示,速度提升会自动应用于每一个使用 Drives 的 Sandbox,开发者不需要升级 SDK,也不需要修改任何配置。定价保持不变。
对于已经在生产环境中使用 Drives 的团队,这意味着无需安排额外的升级窗口或回归测试,性能收益直接到账。这种"静默优化"的方式在基础设施类产品中并不常见,通常性能改进会伴随 API 版本迭代,而 Vercel 选择了对用户完全透明的方式。
Drives 与 Sandbox 的协作机制
Sandbox 是 Vercel 提供的隔离执行环境,用于安全地运行不受信任的代码。Drives 则为这些 Sandbox 提供持久化存储挂载能力,使实例在启动时能够直接访问预先准备好的文件系统内容。
挂载 Drives 的 Sandbox 在创建时需要完成存储卷的附加与初始化,这部分开销此前是启动延迟的主要来源之一。此次优化显然针对这一环节进行了处理,从而将中位创建时间压缩到 1 秒以内。具体的实现细节 Vercel 并未在公告中展开,开发者可以查阅 Vercel Drives 文档了解更多。
持久化存储挂载的初始化开销:在隔离执行环境中挂载持久化存储,通常需要完成存储卷的附加(attach)、文件系统元数据加载以及可能的缓存预热等步骤。这些操作涉及网络通信与磁盘 I/O,如果串行执行,会显著拉长实例的冷启动时间。常见的优化思路包括预置存储连接、并行化初始化步骤,或将部分准备工作提前到调度阶段完成。Vercel 此次将中位创建时间压到 1 秒以内,很可能是在挂载 Drives 的初始化链路上做了针对性改进,但官方未披露具体实现。
对开发工作流的影响
启动时间的缩短对几类场景有直接影响。在 AI 代码执行场景中,Sandbox 常被用作运行模型生成代码的隔离环境,更快的冷启动意味着更短的端到端响应延迟。在预览部署和自动化测试中,实例创建速度会影响流水线的整体耗时。
说个细节,中位创建时间进入亚秒级区间后,Sandbox 的启动开销在许多交互式场景中已经接近"无感"。对于需要频繁创建和销毁实例的工作负载,这种改进会直接反映在资源利用效率和用户体验上。
小结
Vercel 此次对挂载 Drives 的 Sandbox 启动路径进行优化,中位创建时间从 1.7 秒降至 0.7 秒,p95 从 2.2 秒降至 1.6 秒,最高提速 2.4 倍,且无需 SDK 升级或配置变更,定价不变。对于依赖 Sandbox 进行代码执行和自动化任务的开发者,这是一次无需付出迁移成本即可获得的性能升级。
相关推荐

科幻小说对AI的预测有多准?
科幻小说对AI的预测有多准?本文结合Hacker News讨论,分析科幻作品在AI发展中的远见与盲区,探讨其真正价值在于启发思考而非精准预测。

SwarmEvolve:潜空间智能体集群加速进化搜索
SwarmEvolve框架让数百个低成本智能体在潜空间中集群推理,通过KV缓存共享信息,在数学发现和科学计算问题上实现快速进化搜索,中位数仅3-8分钟达到其他框架60分钟的最佳分数。

trainlint:静态检查揪出不会崩溃的 ML 训练 Bug
trainlint 是一个静态检查工具,能找出不会报错的机器学习训练 bug,包括数据泄漏、eval 模式残留、softmax 与 CrossEntropyLoss 冲突等十四类问题。本文介绍其原理、验证结果与局限。