Configura Kerberos para los extremos de Thrift de Dataproc Metastore

En esta página, se explica cómo configurar Kerberos para tu servicio de Dataproc Metastore que usa el protocolo de extremo Thrift. Si tu servicio de Dataproc Metastore usa el protocolo de extremo de gRPC, consulta Configura Kerberos para extremos de gRPC.

Antes de comenzar

  • Comprende los conceptos básicos de Kerberos

    En estas instrucciones, usarás un clúster de Dataproc para crear los siguientes recursos de Kerberos:

    • Un archivo keytab.
    • Un archivo krb5.conf
    • Un principal de Kerberos

    Para obtener más información sobre cómo funcionan estos recursos de Kerberos con un servicio de Dataproc Metastore, consulta Acerca de Kerberos.

  • Crea y aloja tu propio KDC de Kerberos o aprende a usar el KDC local de un Clúster de Dataproc.

  • Crea un bucket de Cloud Storage o obtén acceso a uno existente. Debes almacenar tu archivo krb5.conf en este bucket.

Consideraciones de red

Antes de configurar Kerberos, considera la siguiente red configuración:

  • Configura una conexión IP entre tu red de VPC y KDC. Debes hacerlo para autenticar tu archivo KDC con el servicio de Dataproc Metastore

  • Configura las reglas de firewall necesarias en tu KDC. Estas reglas son necesarias para permitir el tráfico desde Dataproc Metastore. Para obtener más información, consulta Reglas de firewall para tu Google Cloud.

  • Si usas Controles del servicio de VPC, el secreto de Secret Manager y el objeto krb5.conf de Cloud Storage deben pertenecer a un proyecto que resida en el mismo perímetro de servicio que el servicio de Dataproc Metastore.

  • Decide qué red de vinculación de VPC deseas usar. Debes configurar tu clúster de Dataproc y el servicio de Dataproc Metastore con la misma red de intercambio de tráfico de VPC.

Funciones requeridas

Para obtener el permiso que necesitas para crear un Dataproc Metastore con Kerberos, solicita a tu administrador que te otorgue el los siguientes roles de IAM en tu proyecto, según el principio de privilegio mínimo:

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Este rol predefinido contiene las metastore.services.create permiso, que se requiere para crear un Dataproc Metastore con Kerberos.

También puedes obtener este permiso con roles personalizados o con otros roles predefinidos.

Para obtener más información sobre roles y permisos específicos de Dataproc Metastore, consulta Administra el acceso con la IAM.

Para obtener más información, consulta la IAM y el control de acceso de Dataproc Metastore.

Habilitar Kerberos para Dataproc Metastore

En las siguientes instrucciones, se muestra cómo configurar Kerberos para Dataproc Metastore que se conecta a un clúster de Dataproc.

Crea un clúster de Dataproc y habilita Kerberos

gcloud

Para configurar un clúster de Dataproc con Kerberos, ejecuta el siguiente comando gcloud dataproc clusters create:

gcloud dataproc clusters create CLUSTER_NAME \
    --image-version=2.0 \
    --enable-kerberos \
    --scopes 'https://www.googleapis.com/auth/cloud-platform'

Reemplaza lo siguiente:

  • CLUSTER_NAME: Es el nombre de tu clúster de Dataproc.

Configura el clúster de Dataproc para Kerberos

En las siguientes instrucciones, se muestra cómo usar SSH para conectarte a un Dataproc principal clúster asociado con tu servicio de Dataproc Metastore.

Luego, modifica el archivo hive-site.xml y configura Kerberos para tu servicio.

  1. En la consola de Google Cloud, ve a la página Instancias de VM.

  2. En la lista de instancias de máquina virtual, haz clic en SSH en la fila del nodo principal de Dataproc (your-cluster-name-m).

    Se abrirá una ventana del navegador en tu directorio principal del nodo.

  3. Abre el archivo /etc/hive/conf/hive-site.xml.

    sudo vim /etc/hive/conf/hive-site.xml

    Verás un resultado similar al siguiente:

    <property>
<name>hive.metastore.kerberos.principal</name>
<value>PRINCIPAL_NAME</value>
</property>
<property>
<name>hive.metastore.kerberos.keytab.file</name>
<value>METASTORE_PRINCPAL_KEYTAB</value>
</property>

    Reemplaza lo siguiente:

    • PRINCIPAL_NAME: Es un nombre principal, en el siguiente formato primary/instance@REALM. Por ejemplo, hive/test@C.MY-PROJECT.INTERNAL.
    • METASTORE_PRINCIPAL_KEYTAB: Es la ubicación de tu Archivo keytab de Hive Metastore. Usa el siguiente valor /etc/security/keytab/metastore.service.keytab.

Crea un archivo keytab

En las siguientes instrucciones, se muestra cómo crear un archivo keytab.

Un archivo keytab contiene un par de principales de Kerberos y un par de claves encriptadas. Este es se utiliza para autenticar un servicio principal con un KDC de Kerberos.

Cómo crear un archivo keytab

  1. En la sesión SSH de Dataproc, crea la keytab y la principal.

    sudo kadmin.local -q "addprinc -randkey PRINCIPAL_NAME"
sudo kadmin.local -q "ktadd -k /etc/security/keytab/metastore.service.keytab PRINCIPAL_NAME"

  2. En la sesión SSH de Dataproc, crea y sube el archivo keytab en Secret Manager.

    gcloud secrets create SECRET_NAME --replication-policy automatic
sudo gcloud secrets versions add SECRET_NAME --data-file /etc/security/keytab/metastore.service.keytab

    Reemplaza lo siguiente:

    • SECRET_NAME: Es el nombre del secreto.

Actualiza el archivo krb5.conf

A continuación, debes actualizar el archivo krb5.conf para asociarlo con tu clúster de Dataproc.

  1. Determina la dirección IP interna principal de Dataproc instancia principal del clúster.

    gcloud compute instances list

    Por ejemplo, ejecutar este comando produce un resultado similar al siguiente:

    ~$ gcloud compute instances list --project kerberos-project
NAME                                                 ZONE           MACHINE_TYPE   PREEMPTIBLE  INTERNAL_IP    EXTERNAL_IP     STATUS
cluster-236-m                                        us-central1-c  n2-standard-4               192.0.2.2      *.*.*.*         RUNNING
...

    En este caso, la dirección IP interna del clúster es 192.0.2.2.

  2. Abre el archivo krb5.conf.

    sudo vim /etc/krb5.conf

  3. En el archivo, reemplaza el parámetro KDC y el parámetro admin_server existentes con la dirección IP interna de tu clúster de Dataproc.

    Por ejemplo, usar el valor de la dirección IP de los pasos anteriores se ve similar a este resultado.

    [realms]
US-CENTRAL1-A.C.MY-PROJECT.INTERNAL = {
   kdc = 192.0.2.2
   admin_server = 192.0.2.2
}

  4. Sube el archivo /etc/krb5.conf desde tu instancia principal de Dataproc VM a tu bucket de Cloud Storage.

    gcloud storage cp /etc/krb5.conf gs://PATH_TO_KRB5

    Reemplaza lo siguiente:

    • PATH_TO_KRB5: Es el URI de Cloud Storage que contiene tu archivo krb5.conf.

    Cuando finalice la carga, copia la ruta de acceso. Debes usarlo cuando crees tu servicio de Dataproc Metastore.

Otorga roles y permisos de IAM

  1. Proporcionar permiso a la cuenta de servicio de Dataproc Metastore para acceder al archivo keytab. Esta cuenta está administrada por Google y aparece en la página de IU de permisos de IAM seleccionando Incluir otorgamientos de roles proporcionados por Google.

      gcloud projects add-iam-policy-binding PROJECT_ID \
      --member serviceAccount:service-PROJECT_NUMBER@gcp-sa-metastore.iam.gserviceaccount.com \
      --role roles/secretmanager.secretAccessor

  2. Proporciona la cuenta de servicio de Dataproc Metastore con permiso para acceder al archivo krb5.conf.

      gcloud projects add-iam-policy-binding PROJECT_ID \
      --member serviceAccount:service-PROJECT_NUMBER@gcp-sa-metastore.iam.gserviceaccount.com \
      --role roles/storage.objectViewer

Crea un servicio de Dataproc Metastore con Kerberos

Crea un nuevo servicio de Dataproc Metastore que esté configurado con tus archivos de Kerberos.

Asegúrate de crear tu servicio en la red de VPC como tu clúster de Dataproc.

gcloud metastore services create SERVICE \
   --location=LOCATION \
   --instance-size=medium \
   --network=VPC_NETWORK \
   --kerberos-principal=KERBEROS_PRINCIPAL \
   --krb5-config=KRB5_CONFIG \
   --keytab=CLOUD_SECRET

Reemplaza lo siguiente:

  • SERVICE: Es el nombre de tu servicio de Dataproc Metastore.
  • LOCATION: Es la ubicación de tu servicio de Dataproc Metastore.
  • VPC_NETWORK: Es el nombre de tu red de VPC. Usa la misma red que se configuró en tu clúster de Dataproc.
  • KERBEROS_PRINCIPAL: Es el nombre de la principal de kerberos. que creaste anteriormente.
  • KRB5_CONFIG: Es la ubicación del archivo krb5.config. Usa el URI del objeto de Cloud Storage que apunta a tu archivo.
  • CLOUD_SECRET: Es el recurso relativo. nombre de un Secret Manager versión del Secret.

Después de crear el clúster, Dataproc Metastore intenta conectarse con tus credenciales de Kerberos usando el archivo principal, keytab y krb5.conf proporcionados. Si la conexión falla, la creación de Dataproc Metastore también falla.

Después de crear el servicio de Dataproc Metastore, busca el URI de extremo de Thrift y el directorio de almacén.

  1. Establece una conexión SSH a la instancia principal de tu clúster de Dataproc.

  2. En la sesión de SSH, abre el archivo /etc/hive/conf/hive-site.xml.

    sudo vim /etc/hive/conf/hive-site.xml

  3. Modifica /etc/hive/conf/hive-site.xml en el clúster de Dataproc.

    <property>
<name>hive.metastore.uris</name>
<!-- Update this value. -->
<value>ENDPOINT_URI</value>
</property>
<!-- Add this property entry. -->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>WAREHOUSE_DIR</value>
</property>

  4. Reinicia HiveServer2:

    sudo systemctl restart hive-server2.service

Configura Dataproc antes de enviar trabajos

Para ejecutar tus tareas de Dataproc, debes agregar el usuario hive a la propiedad allowed.system.users en el archivo container-executor.cfg de Hadoop. Esto permite a los usuarios ejecutar consultas para acceder a los datos, como select * from.

  1. En la sesión de SSH, abre el archivo container-executor.cfg de Hadoop.

    sudo vim /etc/hadoop/conf/container-executor.cfg

    Agrega la siguiente línea en cada nodo de Dataproc.

    allowed.system.users=hive

Cómo obtener un ticket de Kerberos

  1. Obtén el boleto de kerberos antes de conectarte a Dataproc Metastore instancia.

    sudo klist -kte /etc/security/keytab/metastore.service.keytab
sudo kinit -kt /etc/security/keytab/metastore.service.keytab PRINCIPAL_NAME
sudo klist # gets the ticket information.
sudo hive

    Reemplaza lo siguiente:

    • PRINCIPAL_NAME: Es el nombre de la principal.

¿Qué sigue?