
Vercel Sandbox теперь поддерживает файловые системы на основе FUSE
Vercel добавил в Sandbox поддержку FUSE, позволяя монтировать S3‑бакеты, сетевые файловые системы и любые FUSE‑драйверы как обычные пути. Теперь можно работать с большими данными без копирования.
Что изменилось?
Vercel объявил о поддержке FUSE в своей облачной среде разработки Vercel Sandbox. Теперь разработчики могут монтировать удалённые хранилища (S3‑бакеты, NFS, Ceph, GlusterFS и любые другие драйверы, совместимые с FUSE) как обычные директории внутри работающего Sandbox.
Ключевые возможности
- Прямой доступ к объектному хранилищу – данные читаются по‑молчанию через поток, без необходимости предварительно копировать их в контейнер.
- Общий файловый слой – несколько Sandboxes могут работать с одним и тем же набором файлов, упрощая синхронизацию состояния и кэширование.
- Совместимость с POSIX‑утилитами – инструменты, ожидающие обычные пути (например,
ffmpeg,wget,rsync), работают без модификаций, даже если источник находится в S3. - Гибкая конфигурация – монтировать можно любой FUSE‑драйвер, включая пользовательские решения, через простую декларацию в
vercel.json.
Почему это важно?
Для AI‑разработчиков и специалистов по данным возможность стримить большие датасеты напрямую из облака сокращает время подготовки окружения и экономит ресурсы. Вместо копирования десятков гигабайт в каждый Sandbox, данные читаются «на лету», а кэшируется только то, что действительно используется.
Как начать?
Подробную инструкцию и примеры конфигураций можно найти в документации Vercel Sandbox. Пример монтирования S3‑бакета:
{
"sandbox": {
"mounts": [
{
"type": "fuse",
"source": "s3://my-bucket",
"target": "/data"
}
]
}
}
После деплоя Sandbox получит директорию /data, содержащую файлы из бакета без копирования.
Что дальше?
Vercel обещает дальнейшее улучшение производительности FUSE‑монтировок и расширение списка поддерживаемых драйверов, что делает платформу более привлекательной для тяжёлых рабочих нагрузок в области машинного обучения и аналитики.
Для AI‑разработчиков это открывает быстрый доступ к огромным датасетам без лишних копий, ускоряя прототипирование и обучение моделей. Студенты смогут экспериментировать с реальными объёмами данных прямо в Sandbox, экономя локальные ресурсы. Однако стоит помнить о возможных задержках сети и необходимости контролировать права доступа к удалённым хранилищам.


