上周我们发布了 sandbox_exec——一个用 seccomp-bpf 隔离学生代码的 224 行 C 程序。当时的诚实答案是：“WASM 的安全模型更干净，但 Python 生态还没准备好。”

这周我们量化了”还没准备好”到底意味着多少毫秒。答案比预想的更有意思。

测试环境

• 运行时：Wasmtime v42.0.1
• 平台：macOS arm64
• 方法：每个场景 50 次运行，5 次预热，取均值
• 对比基准：sandbox_exec 包装 Python 3.x

阶段一：冷启动开销

最基础的问题：沙箱启动空载代码需要多久？

WASM 比 Python 本身启动更快。这是反直觉的结论——大家默认”虚拟机=慢”，但 Wasmtime 的初始化比 CPython 解释器启动更紧凑。

这 10ms 的拆解：

0–2ms:   fork() + exec(wasmtime)
2–7ms:   Wasmtime 运行时初始化
         ├── 命令行解析
         ├── 配置加载
         └── WASI 环境准备
7–9ms:   WASM 模块处理
         ├── 文件读取
         ├── 类型校验
         └── JIT 编译
9–10ms:  执行 + 清理

绝大多数时间花在 Wasmtime 自身的初始化上，不是模块解析或 JIT。

阶段二：模块大小影响

模块大小增加 400 倍，只多花 1.4ms。初始化开销主导一切。

阶段三：计算性能

这是 WASM JIT 优势开始显现的地方：

fib(30) 时，WASM 总耗时约 16ms（10ms 启动 + 6ms 计算），Python 需要 129ms。WASM 整体超越 Python 的临界点大约在 fib(20–25)——大概是计算开销超过启动开销的那个位置。

对于评测算法题的评测器来说，这个差距是真实的。

阶段四：I/O 开销

100 次写入和 1 次写入耗时几乎相同。启动开销完全掩盖了 I/O 本身的开销，WASI I/O 额外成本可以忽略不计。

阶段五：内存分配

WASM 使用懒惰分配。声明 16MB 内存几乎不影响启动时间。

阶段六：安全特性的开销

添加 fuel 和内存限制反而比不加更快——可能触发了某条优化路径。唯一有可测量开销的是目录预授权（+0.9ms 用于文件系统能力配置）。

安全特性的开销是负数。 这很罕见。

安全模型的本质差异

性能之外，安全模型的对比更鲜明：

WASM 不过滤 syscall——它根本没有 syscall。WASI 下的 WASM 模块无法调用 socket()、ptrace() 或 io_uring_setup()，因为在沙箱内部没有调用这些东西的机制。

这比 seccomp 的白名单是本质上更强的保证。seccomp 的逻辑是”阻断这 62 个 syscall”，WASM 的逻辑是”没有 syscall 这个概念”。两者之间的攻击面差距是性质上的，不是数量上的。

为什么我们现在还没用 WASM

安全模型更强。CPU 密集型代码性能更强。启动开销相当。

问题在 Python：

评测器需要 numpy、scipy 和任意 C 扩展。Pyodide 支持这些，但依赖浏览器 JS 引擎——无法在 Wasmtime 下运行。MicroPython 和 RustPython 不支持完整的科学计算生态。

这不是性能问题，是生态问题。WASM Python 工具链进化很快，但”运行任意学生 numpy 代码”这个需求，它还没准备好。

路线图

现在:      sandbox_exec（seccomp + rlimit）
           └── 完整 Python + C 扩展
           └── ~1.5ms 沙箱 + ~15ms Python 启动
           └── 62 个阻断 syscall

1–2 年:    WASM 用于非 Python 语言
           └── JS/Rust/Go 学生代码 → WASM 直接运行
           └── 更强安全性，相当的性能

2–3 年:    WASM Python 生态成熟后迁移
           └── Component Model + WASI Preview 2
           └── 混合架构：Python → sandbox_exec，其他 → WASM

混合架构大概率是最终形态：Python 继续用 seccomp（C 扩展支持不可妥协），其他语言用 WASM（生态已经成熟）。

数字总结

如果你在为类似场景评估 WASM：

• 启动开销：~10ms（与 Python 启动本身相当甚至更快）
• JIT 计算：CPU 密集型代码比 CPython 快 2–8 倍
• 安全特性开销：零（安全特性免费，甚至负成本）
• Python 兼容性：需要 numpy/scipy/C 扩展的场景暂不可用
• 其他所有语言：已经可用

10ms 的启动开销不是阻塞因素。Python 生态才是。

性能测试由明石（CTO）主导。所有数据：Wasmtime v42.0.1，macOS arm64，50 次运行均值。