Einführung in Cloud Data Fusion-Netzwerke

Diese Seite enthält Hintergrundinformationen zum Herstellen einer Verbindung zu Ihren Datenquellen von öffentlichen oder privaten Cloud Data Fusion-Instanzen aus Design- und Ausführungsumgebungen.

Hinweise

Für Netzwerke in Cloud Data Fusion sind grundlegende Kenntnisse über Folgendes erforderlich:

Mandantenprojekt

Cloud Data Fusion erstellt ein Mandantenprojekt mit den Ressourcen und Diensten, die zum Verwalten von Pipelines in Ihrem Namen erforderlich sind, z. B. zum Ausführen von Pipelines auf Dataproc-Clustern in Ihrem Kundenprojekt.

Sie können zwar nicht direkt auf das Mandantenprojekt zugreifen, aber beim Erstellen einer privaten Instanz verwenden Sie den Projektnamen, um VPC-Peering einzurichten. Jede private Instanz im Mandantenprojekt hat ihr eigenes VPC-Netzwerk und Subnetz.

Das Projekt kann mehrere Cloud Data Fusion-Instanzen haben. Sie verwalten die darin enthaltenen Ressourcen und Dienste, wenn Sie über die Cloud Data Fusion-UI oder die Google Cloud CLI auf eine Instanz zugreifen.
Weitere Informationen finden Sie in der Service Infrastructure-Dokumentation zu Mandantenprojekten.

Kundenprojekt

Der Kunde erstellt und besitzt dieses Projekt. Standardmäßig erstellt Cloud Data Fusion in diesem Projekt einen sitzungsspezifischen Dataproc-Cluster, um Ihre Pipelines auszuführen.

Cloud Data Fusion-Instanz

Eine Cloud Data Fusion-Instanz ist eine einzigartige Bereitstellung von Cloud Data Fusion, in der Sie Pipelines entwerfen und ausführen. Sie können mehrere Instanzen in einem einzelnen Projekt erstellen und die Google Cloud-Region angeben, in der die Cloud Data Fusion-Instanzen erstellt werden sollen. Je nach Anforderungen und Kosteneinschränkungen können Sie eine Instanz erstellen, die die Developer-, Basic- oder Enterprise-Version von Cloud Data Fusion verwendet. Jede Instanz enthält ein eindeutiges, unabhängiges Cloud Data Fusion-Deployment mit einer Reihe von Diensten für die Verwaltung, Orchestrierung, Koordination und Metadatenverwaltung der Pipeline. Diese Dienste werden mit lang andauernden Ressourcen in einem Mandantenprojekt ausgeführt.

Netzwerkdiagramm

Das folgende Diagramm zeigt die Verbindungen beim Erstellen von Datenpipelines, mit denen Daten aus verschiedenen lokalen und Cloud-Datenquellen extrahiert, transformiert, zusammengeführt, aggregiert und geladen werden.

In Cloud Data Fusion-Version 6.4 und höher finden Sie die Diagramme zur Steuerung des ausgehenden Traffics in einer privaten Instanz und zum Herstellen einer Verbindung zu einer öffentlichen Quelle.

Bei Versionen vor 6.4 zeigt das folgende Systemarchitekturdiagramm, wie Cloud Data Fusion eine Verbindung zu Datenquellen von Diensten wie Preview oder Wrangler in einem Mandantenprojekt und Dataproc in einem Kundenprojekt herstellt.

Pipelinedesign und -ausführung

Cloud Data Fusion bietet eine Trennung von Design- und Ausführungsumgebungen, sodass Sie eine Pipeline einmal entwerfen und dann in mehreren Umgebungen ausführen können. Die Designumgebung befindet sich im Mandantenprojekt, während sich die Ausführungsumgebung in einem oder mehreren Kundenprojekten befindet.

Beispiel: Sie entwerfen Ihre Pipeline mit Cloud Data Fusion-Diensten wie Wrangler und Preview. Diese Dienste werden im Mandantenprojekt ausgeführt, in dem der Zugriff auf Daten von der von Google verwalteten Rolle Cloud Data Fusion-Dienst-Agent gesteuert wird. Anschließend führen Sie die Pipeline in Ihrem Kundenprojekt aus, damit sie Ihren Dataproc-Cluster verwendet. Im Kundenprojekt steuert das Compute Engine-Standarddienstkonto den Datenzugriff. Sie können Ihr Projekt für die Verwendung eines benutzerdefinierten Dienstkontos konfigurieren.

Weitere Informationen zum Konfigurieren von Dienstkonten finden Sie unter Cloud Data Fusion-Dienstkonten.

Designumgebung

Wenn Sie eine Cloud Data Fusion-Instanz in Ihrem Kundenprojekt erstellen, erstellt Cloud Data Fusion automatisch ein separates, von Google verwaltetes Mandantenprojekt, um die Dienste auszuführen, die zum Verwalten des Lebenszyklus von Pipelines und Metadaten, der Cloud Data Fusion-UI und Tools für die Entwicklungszeit wie Preview und Wrangler erforderlich sind.

DNS-Auflösung in Cloud Data Fusion

Verwenden Sie DNS-Peering (ab Cloud Data Fusion 6.7.0 ab Cloud Data Fusion 6.7.0 verfügbar), um Domainnamen in Ihrer Entwicklungsumgebung aufzulösen, wenn Sie beim Übertragen der Daten in die Google Cloud eine Wrangling-Codierung durchführen und eine Vorschau der Daten aufrufen. Sie können damit Domains oder Hostnamen für Quellen und Senken verwenden, die Sie nicht so oft neu konfigurieren müssen wie IP-Adressen.

Die DNS-Auflösung wird in Ihrer Entwicklungsumgebung in Cloud Data Fusion empfohlen, wenn Sie Verbindungen testen und Pipelines in der Vorschau anzeigen, die Domainnamen lokaler oder anderer Server (z. B. Datenbanken oder FTP-Server) in einem privaten VPC-Netzwerk verwenden.

Weitere Informationen finden Sie unter DNS-Peering und Cloud DNS-Weiterleitung.

Ausführungsumgebung

Nachdem Sie Ihre Pipeline in einer Instanz überprüft und bereitgestellt haben, wird sie entweder manuell oder nach einem Zeitplan bzw. einem Trigger für den Pipelinestatus ausgeführt.

Die Umgebung ist in Ihrem Kundenprojekt vorhanden, unabhängig davon, ob die Ausführungsumgebung von Cloud Data Fusion oder vom Kunden bereitgestellt und verwaltet wird.

Hinweis: Als Ausführungsumgebung und verwalteter Dienst hat Dataproc eigene Netzwerk- und Firewallanforderungen.

Öffentliche Instanzen (Standard)

Am einfachsten stellen Sie eine Cloud Data Fusion-Instanz bereit, indem Sie eine öffentliche Instanz erstellen. Es dient als Ausgangspunkt und bietet Zugriff auf externe Endpunkte im öffentlichen Internet.

Eine öffentliche Instanz in Cloud Data Fusion verwendet das Standard-VPC-Netzwerk in Ihrem Projekt.

Hinweis: Sowohl Design- als auch Ausführungsumgebungen haben externe IP-Adressen, die zur Zugriffssteuerung hinter einer Firewall gehalten sind.

Das VPC-Standardnetzwerk hat Folgendes:

• Automatisch generierte Subnetze für jede Region
• Tabellen weiterleiten
• Firewallregeln für die Kommunikation zwischen Ihren Rechenressourcen

Netzwerke über Regionen hinweg

Wenn Sie ein neues Projekt erstellen, hat das Standard-VPC-Netzwerk den Vorteil, dass es ein Subnetz pro Region automatisch mit einem vordefinierten IP-Adressbereich befüllt, der als CIDR-Block ausgedrückt wird. Die IP-Adressbereiche beginnen in den globalen Google Cloud-Regionen mit 10.128.0.0/20, 10.132.0.0/20.

Damit Ihre Computing-Ressourcen regionenübergreifend miteinander verbunden sind, legt das Standard-VPC-Netzwerk die standardmäßigen lokalen Routen für jedes Subnetz fest. Durch das Einrichten der Standardroute zum Internet (0.0.0.0/0) erhalten Sie Zugriff auf das Internet und erfassen den nicht weitergeleiteten Netzwerktraffic.

Firewallregeln

Das Standard-VPC-Netzwerk bietet eine Reihe von Firewallregeln:

Standard	Beschreibung
icmp standardmäßig zulassen	icmp-Protokoll für Quelle 0.0.0.0/0 aktivieren
Intern standardmäßig zulassen	tcp:0-65535; udp:0-65535; icmp für Quelle 10.128.0.0/9 aktivieren, die mindestens 10.128.0.1 bis maximal 10.255.255.254 IP-Adressen abdeckt
rdp standardmäßig zulassen	tcp:3389 für Quelle 0.0.0.0/0 aktivieren
ssh standardmäßig zulassen	tcp:22 für Quelle 0.0.0.0/0 aktivieren

Diese Standardeinstellungen für VPC-Netzwerke minimieren die Voraussetzungen für die Einrichtung von Cloud-Diensten, einschließlich Cloud Data Fusion. Aus Gründen der Netzwerksicherheit lässt die Verwendung des Standard-VPC-Netzwerk in Unternehmen häufig nicht für den Geschäftsbetrieb zu. Ohne das Standard-VPC-Netzwerk können Sie keine öffentliche Cloud Data Fusion-Instanz erstellen. Erstellen Sie stattdessen eine private Instanz.

Das Standard-VPC-Netzwerk gewährt keinen offenen Zugriff auf Ressourcen. Stattdessen steuert Identity and Access Management (IAM) den Zugriff:

• Für die Anmeldung in Google Cloud ist eine validierte Identität erforderlich.
• Nach der Anmeldung benötigen Sie eine explizite Berechtigung (z. B. die Rolle „Betrachter“), um Google Cloud-Dienste aufzurufen.

Private Instanzen

Hinweis: In Cloud Data Fusion Version 6.4 und höher können Sie von einer privaten Instanz aus eine Verbindung zum öffentlichen Internet herstellen.

Bei einigen Organisationen müssen alle ihre Produktionssysteme von öffentlichen IP-Adressen isoliert sein. Eine private Cloud Data Fusion-Instanz erfüllt diese Anforderung in allen Arten von VPC-Netzwerkeinstellungen.

Private Instanzen in Version 6.4 und älter

In Cloud Data Fusion-Versionen vor 6.4 verwenden Design- und Ausführungsumgebungen nur interne IP-Adressen. Sie verwenden keine öffentlichen Internet-IP-Adressen, die an Cloud Data Fusion Compute Engine angehängt sind. Die private Instanz von Cloud Data Fusion hat als Entwicklungszeit-Tool keinen Zugriff auf Datenquellen im öffentlichen Internet.

Entwerfen Sie die Pipeline stattdessen in einer öffentlichen Instanz. Anschließend verschieben Sie es zur Ausführung in eine private Instanz in einem Kundenprojekt, wo Sie die VPC-Richtlinien des Projekts steuern. Sie müssen bei beiden Projekten eine Verbindung zu Ihren Daten herstellen.

Zugriff auf Daten in Design- und Ausführungsumgebungen

In einer öffentlichen Instanz erfolgt die Netzwerkkommunikation über das offene Internet, was für kritische Umgebungen nicht empfohlen wird. Für den sicheren Zugriff auf Ihre Datenquellen führen Sie Ihre Pipelines immer von einer privaten Instanz in Ihrer Ausführungsumgebung aus.

Wenn Sie in Cloud Data Fusion Version 6.4 Ihre Pipeline entwerfen, können Sie nicht über eine private Instanz auf Datenquellen im offenen Internet zugreifen. Stattdessen entwerfen Sie die Pipeline in einem Mandantenprojekt mithilfe einer öffentlichen Instanz, um eine Verbindung zu Datenquellen im Internet herzustellen. Nachdem Sie Ihre Pipeline erstellt haben, verschieben Sie sie in ein Kundenprojekt und führen Sie sie in einer privaten Instanz aus, damit Sie VPC-Richtlinien steuern können. Sie müssen bei beiden Projekten eine Verbindung zu Ihren Daten herstellen.

Zugriff auf Quellen

Wenn Ihre Ausführungsumgebung in einer Cloud Data Fusion-Version vor 6.4 ausgeführt wird, können Sie nur auf Ressourcen innerhalb Ihres VPC-Netzwerk zugreifen. Richten Sie Cloud VPN oder Cloud Interconnect für den Zugriff auf lokale Datenquellen ein. Cloud Data Fusion-Versionen vor 6.4 können nur dann auf Quellen im öffentlichen Internet zugreifen, wenn Sie ein Cloud NAT-Gateway einrichten.

Beim Zugriff auf Datenquellen, öffentliche und private Instanzen:

• Ausgehende Aufrufe von Google Cloud APIs mit privatem Google-Zugriff ausführen
• Mit einer Ausführungsumgebung (Dataproc) über VPC-Peering kommunizieren

In der folgenden Tabelle werden öffentliche und private Instanzen während des Entwurfs und der Ausführung für verschiedene Datenquellen verglichen:

Datenquelle	Öffentliche Cloud Data Fusion-Instanz (Entwicklungszeit)	Öffentliche Cloud Data Fusion-Dataproc (Ausführung)	Private Cloud Data Fusion-Instanz (Entwicklungszeit)	Private Cloud Data Fusion-Dataproc (Ausführung)
Google Cloud-Quelle (nachdem Sie Berechtigungen erteilt und Firewallregeln festgelegt haben)
Lokale Quelle (nach dem Einrichten von VPN/Interconnect, Gewähren von Berechtigungen und Festlegen von Firewallregeln)
Öffentliche Internetquelle (nachdem Sie Berechtigungen erteilt und Firewallregeln festgelegt haben)			Versionen ≥ 6.4 Versionen < 6.4

Nächste Schritte

• Zugriffssteuerung in Cloud Data Fusion
• Dienstkonten in Cloud Data Fusion
• Öffentliche Instanz erstellen
• Private Instanz erstellen