Configurar Kerberos para los extremos de Thrift de Dataproc Metastore

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

Antes de comenzar

  • Comprende los conceptos básicos de Kerberos.

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

    • Un archivo Keytab
    • Un archivo krb5.conf
    • Una principal de Kerberos.

    Para obtener más información sobre cómo funcionan estos elementos 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 accede a uno existente. Debes almacenar el archivo krb5.conf en este bucket.

Consideraciones de red

Antes de configurar Kerberos, considera la siguiente configuración de red:

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

  • Configura las reglas de firewall en tu KDC necesarias. Estas reglas son necesarias para permitir el tráfico desde Dataproc Metastore. Si quieres obtener más información, consulta Reglas de firewall para tus servicios.

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

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

Funciones requeridas

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

Si quieres obtener más información para otorgar funciones, consulta Administra el acceso.

Esta función predefinida contiene el permiso metastore.services.create, que se requiere para crear un Dataproc Metastore con Kerberos.

Es posible que también puedas obtener este permiso con funciones personalizadas o con otras funciones predefinidas.

Para obtener más información sobre las funciones y los 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 un servicio de Dataproc Metastore que esté conectado 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 clúster principal de Dataproc asociado a 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: Un nombre principal, en el siguiente formato primary/instance@REALM. Por ejemplo, hive/test@C.MY-PROJECT.INTERNAL.
    • METASTORE_PRINCIPAL_KEYTAB: Es la ubicación del archivo keytab de Hive Metastore. Usa el siguiente valor /etc/security/keytab/metastore.service.keytab.

Cómo crear un archivo keytab

Las siguientes instrucciones te muestran cómo crear un archivo keytab.

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

Para crear un archivo keytab

  1. En la sesión SSH de Dataproc, crea el 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 a 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.

Cómo actualizar 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 la instancia principal del clúster de Dataproc.

    gcloud compute instances list

    Por ejemplo, si ejecutas este comando, se 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 existente KDC y el parámetro admin_server por la dirección IP interna de tu clúster de Dataproc.

    Por ejemplo, el uso del valor de la dirección IP de los pasos anteriores es similar al siguiente 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 de tu VM principal de Dataproc a tu bucket de Cloud Storage.

    gsutil cp /etc/krb5.conf gs://PATH_TO_KRB5

    Reemplaza lo siguiente:

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

    Después de que termine la carga, copia su ruta de acceso. Debes usarlo cuando crees tu servicio de Dataproc Metastore.

Otorga roles y permisos de IAM

  1. Proporciona 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 con la opción Incluir asignaciones de roles proporcionadas 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 a la cuenta de servicio de Dataproc Metastore 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 servicio nuevo 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 del servicio de Dataproc Metastore.
  • VPC_NETWORK:Es el nombre de tu red de VPC. Usa la misma red que está configurada en tu clúster de Dataproc.
  • KERBEROS_PRINCIPAL: Es el nombre del principal de kerberos que creaste antes.
  • 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 nombre del recurso relativo de una versión de secreto de Secret Manager.

Después de crear el clúster, Dataproc Metastore intentará conectarse con tus credenciales de kernel mediante el 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 del 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 trabajos 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 datos, como select * from.

  1. En la sesión 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

Obtén un boleto para kerberos

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

    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?