ROCK Sandbox 大规模并发创建压测报告

1. 测试背景

在 Agentic 强化学习训练以及大规模 Agent Rollout 场景中，单个训练 step 往往需要同时拉起成千上万个 Sandbox，因此 Sandbox 的并发创建吞吐与延迟直接决定了整体训练效率。

本报告分别在 1000 / 2000 / 4000 / 8000 / 16000 并发规模下完成 Sandbox 批量创建压测，验证 ROCK 在大规模并发下的稳定性与延迟表现。

2. 测试范围与口径

• 被测对象：ROCK Sandbox 的创建链路。
• 统计指标：单个 Sandbox 从发起创建请求到 Sandbox 处于存活（可用）状态的端到端耗时（秒）。
• 并发规模：1000、2000、4000、8000、16000 个 Sandbox 同时发起创建。
• 并发模型：采用 多机分布式 + 纯多进程 的方式驱动并发——由多台机器同时发压，每台机器内部以独立 OS 进程承载每个 Sandbox 创建任务，避免单进程内 GIL、事件循环、TLS 握手等成为客户端侧瓶颈，使数据真实反映服务端的处理能力。

3. 测试结果

3.1 Sandbox 创建耗时统计

并发规模	样本数	成功率	最小值	最大值	平均值	P50	P95	P99
1000	1000	100%	0.47s	9.84s	4.72s	4.93s	6.89s	8.69s
2000	2000	100%	0.64s	11.20s	4.90s	4.92s	9.76s	10.53s
4000	4000	100%	0.93s	15.51s	7.16s	7.05s	11.26s	13.34s
8000	8000	100%	3.85s	33.99s	18.06s	17.86s	30.09s	32.03s
16000	16000	100%	2.66s	63.84s	37.17s	39.98s	56.68s	60.11s

时间单位均为秒（s）。所有规模下成功率均为 100%（0 失败）。

说明：随着并发规模的增大，为保护服务端稳定性，ROCK 会在控制面侧进行限流，因此耗时随并发上升而有所增加。

4. 结论

ROCK 在 1000 至 16000 并发规模下完成的 Sandbox 批量创建压测取得了以下结果：

1. 100% 成功率，验证了 ROCK 在大规模并发下的可靠性。
2. 小规模并发（≤2000）几乎无排队，P50 稳定在 5s 以内，可以满足绝大多数实时性敏感的训练 / 评估场景。
3. 大规模并发（≥4000）延迟随并发数近似线性增长，行为可预测，便于按 Sandbox 池规模做容量规划。
4. 16000 并发场景下 P99 仍可控制在 60s 量级，足以支撑超大规模 Agent Rollout 与并行 RL Step 等任务。

ROCK 已经具备承载 万级并发 Sandbox 创建 的能力，为大规模 Agentic RL 训练提供了坚实的环境基础设施。