Cloudflare Dynamic Workers Membuat Sandbox 100x Lebih Cepat

하이라이트

• Cloudflare meluncurkan Dynamic Workers yang 100x lebih cepat dan lebih hemat memori dibandingkan kontainer tradisional.

• Dynamic Workers berjalan pada isolat V8, memungkinkan eksekusi kode secara programatik dalam skala besar hingga 1 juta per detik.

• Perbandingan antara Sandbox Cloudflare (kontainer Linux) yang lebih berat dengan Dynamic Workers yang jauh lebih ringan.

• Kemampuan menjalankan kode buatan AI secara aman dan efisien dalam lingkungan sandbox yang terisolasi.

• Integrasi praktis dengan berbagai alat seperti Wrangler, binding loader, dan penyimpanan R2 untuk aset statis.

• Contoh penggunaan nyata dalam menjalankan Python melalui agen AI untuk pembuatan grafik SVG secara dinamis.

• Peringatan mengenai struktur biaya di masa depan meskipun saat ini masih dalam tahap gratis atau eksperimental.

타임라인

1. 00:00 - 00:39

   Pengenalan Cloudflare Dynamic Workers

   Bagian ini memperkenalkan Dynamic Workers sebagai primitif tingkat rendah yang dapat dibuat secara programatik oleh worker yang sudah ada. Keunggulan utamanya adalah kecepatan yang 100 kali lipat lebih tinggi dibandingkan kontainer tradisional karena penggunaan teknologi isolat V8. Speaker menjelaskan bahwa teknologi ini sangat ideal untuk menjalankan kode buatan AI, otomatisasi khusus, dan pratinjau pengembangan dengan biaya yang sangat murah. Klaim menarik yang disebutkan adalah kemampuan untuk menjalankan hingga satu juta worker per detik jika diperlukan. Pertanyaan muncul mengenai batasan penggunaan JavaScript dan apakah hal tersebut menjadi hambatan bagi pengembang.

2. 00:40 - 01:15

   Perbandingan Sandbox Linux vs Dynamic Workers

   Speaker meninjau kembali video tahun lalu tentang sandbox Cloudflare yang menggunakan kontainer Linux berumur pendek pada durable objects. Kontainer tersebut sangat baik untuk menjalankan OS lengkap dengan sistem berkas dan berbagai bahasa pemrograman atau biner apa pun. Namun, Dynamic Workers diposisikan sebagai alternatif yang jauh lebih cepat dan ringan bagi mereka yang tidak memerlukan lingkungan OS penuh. Bagian ini menekankan bahwa Dynamic Workers memungkinkan eksekusi sandbox bersamaan tanpa batas di dalam lingkungan yang memiliki batasan serupa dengan worker standar. Ini adalah solusi bagi pengembang yang memprioritaskan latensi rendah dan efisiensi sumber daya di atas fleksibilitas sistem berkas tradisional.

3. 01:16 - 02:43

   Konfigurasi Teknis dan Implementasi Kode

   Tutorial teknis dimulai dengan menunjukkan cara menyiapkan worker dasar menggunakan Wrangler dan menambahkan binding loader dalam file konfigurasi. Binding ini sangat krusial karena memungkinkan satu worker untuk membuat dan mengendalikan worker lainnya secara dinamis. Speaker mendemonstrasikan bagaimana mendefinisikan tanggal kompatibilitas dan menulis kode yang akan dijalankan di dalam sandbox, yang strukturnya mirip dengan fungsi fetch pada worker biasa. Contoh kode menunjukkan cara merespons pesan "hello world" dan bagaimana mencegah akses jaringan untuk keamanan tambahan. Selain itu, dijelaskan perbedaan antara memuat worker baru setiap saat dibandingkan dengan menggunakan kembali worker yang sudah ada untuk mempertahankan status atau informasi.

4. 02:44 - 03:17

   Fitur Canggih dan Integrasi Ekosistem

   Di bagian ini, dibahas fitur-fitur yang lebih kompleks seperti penentuan binding khusus dan penggunaan metode stub untuk komunikasi antar worker menggunakan protokol Cap'n Proto. Pengembang juga dapat menggunakan dependensi dari NPM seperti framework Hono dengan membundelnya melalui fungsi create worker. Salah satu fitur yang sangat berguna adalah kemampuan untuk mencegat permintaan keluar guna menyuntikkan kredensial secara aman sebelum data dikirim. Speaker menekankan bahwa fleksibilitas ini membuka peluang besar bagi pengembang untuk membangun aplikasi yang sangat modular. Semua fitur ini dirancang untuk memberikan kontrol penuh kepada pengembang atas siklus hidup dan kemampuan setiap dynamic worker yang dibuat.

5. 03:18 - 05:05

   Studi Kasus: Agen AI dan Eksekusi Python

   Bagian ini menunjukkan implementasi nyata menggunakan SDK Anthropic dan model Claude Sonnet untuk menjalankan kode yang dihasilkan oleh agen AI. Meskipun Dynamic Workers tidak memiliki akses sistem berkas asli, mereka dapat menggunakan pustaka shell virtual atau menghubungkannya dengan bucket Cloudflare R2 untuk menyimpan output. Speaker menunjukkan proses pembuatan grafik SVG melalui kode Python yang dieksekusi di dalam sandbox, lalu menyimpannya ke R2 untuk ditampilkan kepada pengguna. Eksperimen ini membuktikan bahwa Dynamic Workers mampu menangani logika kompleks dari AI secara instan dan aman. Hasil akhirnya adalah halaman web yang memuat informasi relevan dan visualisasi data yang dihasilkan langsung oleh model bahasa besar.

6. 05:06 - 06:44

   Pengujian Skalabilitas Massal dan Kesimpulan

   Untuk membuktikan performanya, speaker melakukan pengujian dengan membuat 50 hingga 10.000 dynamic workers secara instan di infrastruktur Cloudflare. Hasilnya menunjukkan bahwa ribuan worker dapat dibuat dan diakses hampir seketika, dengan masing-masing memiliki ID unik dan mampu merespons permintaan secara independen. Meskipun saat ini teknologinya sangat mengesankan dan tersedia secara gratis, speaker memperingatkan bahwa biaya akan diberlakukan di masa mendatang sehingga pengguna perlu memantau anggaran mereka. Video diakhiri dengan penyebutan perusahaan seperti Zite yang sudah menggunakan teknologi ini dan ajakan untuk mempelajari SDK VIVE untuk membangun generator aplikasi. Ini memberikan gambaran masa depan di mana aplikasi dapat dibangun dan dijalankan secara dinamis dalam skala masif.