百炼 Sandbox 踩坑记录：六个读数不能信，两个参数会骗人

这篇是我自己的实践记录，不写成教程。前因是我需要一个跟笔记本架构不同、能整体断网、能休眠、用完就消失的 Linux，让 agent 在里面自己装依赖跑测试。阿里云百炼八月底上线的 Sandbox 看着正合适，bl sandbox 十五条命令管完整生命周期。我开了六台实例，合计活了 648 秒，全部显式删除。下面是我记下来的坑，按踩的顺序。

坑一：不传 --instance-timeout，默认七天

第一条就写它，因为这条最贵。

bl sandbox create --template-id <模版ID>

这样写，请求体里连 timeout 字段都没有，服务端按 604800 秒处理。我专门建了一台验，endAt 减 startedAt 是 604799 秒，整七天。而这产品按小时计费，官方《Sandbox 计费说明》写的是会话运行费基础款 0.156、进阶款 0.312、旗舰款 0.624 元每小时，另有数据保留费 0.0021 元每 GiB 每小时。

好消息是忘删不会无限烧，七天封顶。我现在的习惯是创建命令里永远带 --instance-timeout 300。

坑二：create 的返回里没有寿命字段

三秒返回 state: running，挺爽，但返回体里没有 startedAt 和 endAt。要看什么时候到期得再跑一次 bl sandbox get --sandbox-id <ID> --output json，它比 create 多八个字段。我第一版监控脚本拿 create 的返回做台账，到期时间全是空的。

坑三：pause 之后 state 还是 running

pause 五秒返回 {"paused": true}，我以为完事了。结果 get 和 list 都还写着 running。

真正能看出它睡着的只有两处：bl sandbox list --state paused 筛得到它（同时 --state running 筛不到），以及往 envd 发执行请求会拿到 HTTP 500，消息是 "an internal error has occurred. Please retry."。那不是内部错误，是它睡着了。我的轮询脚本在这上面给了半小时假阳性，后来把探活改成打 envd 的 /health。

顺带记三个好的地方：休眠不丢盘，我写的两个文件唤醒后原样在；token 不轮换，连接信息可以存着跨休眠用；resume 把寿命重新给满，endAt 从 09:37:47Z 变成 09:43:00Z，休眠那段时间不吃寿命。

坑四：--deny-out 不收域名，dry-run 也不告诉你

bl sandbox create --template-id <模版ID> --instance-timeout 300 --deny-out example.com

创建直接失败，服务端原文 invalid denyOut entry "example.com": denyOut only supports IP / CIDR, domains are not supported。--allow-out 收域名，--deny-out 只收 IP 和 CIDR，两个参数在 --help 里句式一模一样。

更阴的是 --dry-run 照不出这个错：写命令的 dry-run 会短路不发请求、把请求体摊给你看，摊得整整齐齐一点告警都没有，只有真发出去才知道。另外 --dry-run 只对写命令短路，list、get 这类读命令加了它照样打服务端，加 --verbose 能看见真实 GET。

坑五：封一个 /32 封不住 CDN 域名

我改成封 IP。自己电脑上解析 example.com 是 104.20.23.154，建 /32，服务端接受、回读一致。然后沙箱里 curl -4 https://example.com 拿到 HTTP 200。没封住。

我差点在笔记里写"denyOut 无效"。幸好先补了一台判定臂 --deny-out 0.0.0.0/0，IPv4 全部十秒超时，机制是好的。再开一台把 curl 实际连的地址打出来：

沙箱内 gethostbyname("example.com") = 104.20.23.154   <- 我封的就是这个
curl -4 https://example.com  ->  HTTP 200, remote_ip=172.66.147.243:443, server: cloudflare

解析地址和连接地址不是同一个，俩都在 Cloudflare 池子里。结论只能是：单个 /32 封不住 CDN 域名，要封得封整个前缀，而 CDN 的前缀你未必拿得全。要收紧就走 --allow-out 白名单，注意它会隐式把总开关关掉（只传 --allow-out，回读是 allowInternetAccess: false），这层联动帮助文本里也没有。

断网那臂还有个反直觉的：DNS 照样解析，断的是传输层。沙箱里 getent hosts 出地址不代表能出网，失败形态是 TLS 层 unexpected eof，八到十四毫秒断，第一眼看像证书问题。

坑六：nproc 报 2，实际只有一核

模版写 1 vCPU / 2048 MB。进去 nproc 是 2，os.cpu_count() 是 2，cpu.cfs_quota_us 是 -1 没有硬配额，只有 cpu.shares 12288。内存是硬的，memory.limit_in_bytes 正好 2147483648。

我跑了个忙循环，每进程空转两秒：1 并发 918 万次，2 并发各 466 万和 448 万，4 并发各 235 万上下。总吞吐没随并发涨，真实并行度约等于一核。以后配线程池看模版的 cpuCount，不看容器读数。

零碎的几个

--metadata 传了之后 get 回读是 null，想靠它打标签做批管理的先自己验。--state 不校验取值，拼错返回空数组、退出码 0。实例列表 --limit 上限 50，没有 --all 也没有 --cursor，template list 有 --cursor 但服务端不返回 next cursor，等于也翻不了页。服务端报错是中文的，即使 CLI 配英文，匹配 api_code 更稳：12000082 是运行时不存在，12000094 是模板不存在。退出码 0 成功、1 服务端错误、2 参数校验失败、7 高风险待确认，delete 不带 --yes 就停在 7。

两个不写进结论的观察

白名单那臂 pypi.org 十秒只收到 46.9 MB 里的 957 KB，基线臂同一页面 1.76 秒下完。看着像走了代理，但同一命令在另外两臂分别 3.69 秒和 12 秒超时，每臂只跑一次，没有重复对照，所以我只记观察不下结论。

还有计费那档：官方按三档计价，但全套公开文档没说基础款、进阶款、旗舰款各是多少 vCPU 内存，规格只在另外两页写了 1C2G 和 4C8G 两种，三档对两配置数量都不吻合。所以我这六台 1 vCPU 的实例花了多少钱，我算不出来，也不推。Sandbox 没有专属免费额度，模型 Token 额度不覆盖它，这两句倒是写得明明白白。

核查口径

六台实例都是同一模版起的 1 vCPU / 2048 MB，出网那组每次只改一个参数。时刻一律拿服务端返回的 startedAt 和 endAt 对，因为我这台电脑的系统钟快了约 174 秒，是拿两个站点的 HTTP Date 头校出来的，同一台机器上的时长差才敢直接用。六台合计存活 648 秒，逐台显式删除，删完 bl sandbox list 复查为空，workspace 里原有三个模版一个没动。

值不值得用

需要 root 的活不行，uid 1000、cgroup 只读。域名级封锁不行，deny-out 不收域名。海外节点没有，只有 cn-beijing。Snapshot 先别碰，计费页对它收费但全套文档没有创建入口。免费额度没有。

但它适合我这件事：三秒起一台干净的 x86_64 Linux，境内直连，能整体断网能白名单，休眠不丢盘，一条命令释放，删完 bl sandbox list 是空的。我的 agent 现在在里面跑测试，出了事只影响那台机器。

装是三条命令的事（CLI 安装页，API Key 签发页），bl sandbox official-images 不用鉴权不发请求，先看镜像再决定。模版在控制台建，第一次建弹 SLR 授权 AliyunServiceRoleForSFMSandbox，一次性。

六台实例都释放了，workspace 里原有三个模版一个没动。六个读数不能信、两个参数会骗人，记下来，下次少踩。