Alcuni dei componenti open source predefiniti inclusi in Google di cluster Dataproc, come Apache Hadoop e Apache Spark, Fornire interfacce web. Queste interfacce possono essere utilizzate per gestire e monitorare di risorse e strutture del cluster, come il Resource Manager YARN, Hadoop Distributed File System (HDFS), MapReduce e Spark. Il gateway dei componenti fornisce accesso sicuro agli endpoint web per i componenti predefiniti e facoltative di Dataproc.
I cluster creati con le versioni delle immagini Dataproc supportate possono consentire l'accesso alle interfacce web dei componenti senza fare affidamento su tunnel SSH o sulla modifica delle regole del firewall per consentire il traffico in entrata.
Considerazioni
- Le interfacce web dei componenti sono accessibili agli utenti che hanno dataproc.clusters.use Autorizzazione IAM. Consulta: Ruoli Dataproc.
- Il gateway dei componenti può essere utilizzato per accedere alle API REST, come YARN Apache Hadoop e Apache Livy, e i server di cronologia.
- Quando il gateway dei componenti è abilitato, Dataproc aggiunge quanto segue
al primo nodo master del cluster:
- Apache Knox. Il certificato SSL di Knox Gateway predefinito è valido per 13 mesi dalla data di creazione del cluster. Se scade, tutti gli URL dell'interfaccia web di Component Gateway diventano inattivi. Per ottenere un nuovo certificato, vedi Come rigenerare il certificato SSL del gateway dei componenti.
- Inverting Proxy
- Il gateway dei componenti non consente l'accesso diretto alle interfacce
node:port
, ma esegue automaticamente il proxy di un sottoinsieme specifico di servizi. Se vuoi accedere ai servizi sui nodi (node:port
), utilizza un proxy SOCKS SSH.
Crea un cluster con il gateway dei componenti
Console
Il gateway dei componenti Dataproc viene attivato per impostazione predefinita quando crei un cluster utilizzando la console Google Cloud. Puoi disattivare questa impostazione cancellando il nella casella di controllo Attiva gateway dei componenti nella Sezione Componenti di il riquadro Configura cluster su Dataproc Crea un cluster Dataproc su Compute Engine .
Comando g-cloud
Esegui il comando gcloud CLI gcloud dataproc clusters create localmente in una finestra del terminale o in Cloud Shell.
gcloud dataproc clusters create cluster-name \ --enable-component-gateway \ --region=region \ other args ...
API REST
Imposta la proprietà EndpointConfig.enableHttpPortAccess su true
nell'ambito di una richiesta clusters.create.
Utilizzare gli URL del gateway dei componenti per accedere alle interfacce web
Quando il gateway dei componenti è abilitato su un cluster, puoi connetterti alle interfacce web dei componenti in esecuzione sul primo nodo master del cluster facendo clic sui link forniti nella console Google Cloud. Il gateway dei componenti imposta anche
endpointConfig.httpPorts
con una mappa dei nomi delle porte agli URL. In alternativa all'uso della console,
puoi usare la riga di comando gcloud
o l'API REST Dataproc per visualizzare le informazioni di mappatura,
quindi copia e incolla l'URL nel browser per connetterti all'interfaccia utente del componente.
Console
Vai al modulo Cluster Dataproc nella console Google Cloud, quindi seleziona il cluster per aprire il modulo Dettagli cluster. Fai clic sulla scheda Interfacce web per visualizzare un elenco di link del gateway dei componenti alle interfacce web dei componenti predefiniti e facoltativi installati sul cluster. Fai clic su un link a apri l'interfaccia web in esecuzione sul nodo master del cluster nel browser locale.
Comando g-cloud
Esegui il comando gcloud CLI gcloud dataproc clusters describe in locale in una finestra del terminale o in Cloud Shell.
gcloud dataproc clusters describe cluster-name \ --region=region
Output di esempio
... config: endpointConfig: enableHttpPortAccess: true httpPorts: HDFS NameNode:
https://584bbf70-7a12-4120-b25c-31784c94dbb4-dot-dataproc.google.com/hdfs/ MapReduce Job History:
https://584bbf70-7a12-4120-b25c-31784c94dbb4-dot-dataproc.google.com/jobhistory/ Spark HistoryServer:
https://584bbf70-7a12-4120-b25c-31784c94dbb4-dot-dataproc.google.com/sparkhistory/ YARN ResourceManager:
https://584bbf70-7a12-4120-b25c-31784c94dbb4-dot-dataproc.google.com/yarn/ YARN Application Timeline:
https://584bbf70-7a12-4120-b25c-31784c94dbb4-dot-dataproc.google.com/apphistory/ ...
API REST
Chiama clusters.get per ottenere Mappa endpointConfig.httpPorts dei nomi delle porte per gli URL.Utilizzo del gateway dei componenti con VPC-SC
Component Gateway supporta i Controlli di servizio VPC.
Per l'applicazione del perimetro del servizio, le richieste alle interfacce tramite il gateway dei componenti vengono trattate come parte dell'interfaccia API Dataproc e tutti i criteri di accesso che controllano le autorizzazioni per dataproc.googleapis.com
controlleranno anche l'accesso alle UI del gateway dei componenti.
Il gateway dei componenti supporta anche le configurazioni VPC-SC che si basano su
connettività Google privata
per i cluster Dataproc senza indirizzi IP esterni, ma devi manualmente
configurare la rete per consentire l'accesso dalla VM master Dataproc a *.dataproc.cloud.google.com
tramite l'intervallo IP virtuale di Google limitato 199.36.153.4/30
nel seguente modo:
- Segui le istruzioni per configurare la connettività privata di Google per tutte le API di Google.
- Configura il DNS con Cloud DNS o
configura il DNS localmente sul nodo principale Dataproc
per consentire l'accesso a
*.dataproc.cloud.google.com
.
Configura DNS con Cloud DNS
Crea una zona Cloud DNS che mappa il traffico destinato a *.dataproc.cloud.google.com
all'intervallo IP virtuale limitato dell'API di Google.
Crea una zona privata gestita per la tua rete VPC.
gcloud dns managed-zones create ZONE_NAME \ --visibility=private \ --networks=https://www.googleapis.com/compute/v1/projects/PROJECT_ID/global/networks/NETWORK_NAME \ --description=DESCRIPTION \ --dns-name=dataproc.cloud.google.com \ --project=PROJECT_ID
ZONE_NAME è il nome della zona che stai creando. Ad esempio,
vpc
. Questo nome di zona verrà utilizzato in ciascuno dei passaggi seguenti.PROJECT_ID è l'ID del progetto che ospita la rete VPC.
NETWORK_NAME è il nome della tua rete VPC.
DESCRIPTION è una descrizione facoltativa leggibile della zona gestita.
Avvia una transazione.
gcloud dns record-sets transaction start --zone=ZONE_NAME
- ZONE_NAME è il nome della tua zona.
Aggiungi i record DNS.
gcloud dns record-sets transaction add --name=*.dataproc.cloud.google.com. \ --type=A 199.36.153.4 199.36.153.5 199.36.153.6 199.36.153.7 \ --zone=ZONE_NAME \ --ttl=300
- ZONE_NAME è il nome della tua zona.
gcloud dns record-sets transaction add --name=dataproc.cloud.google.com. \ --type=A 199.36.153.4 199.36.153.5 199.36.153.6 199.36.153.7 \ --zone=ZONE_NAME \ --ttl=300
- ZONE_NAME è il nome della zona.
Esegui la transazione.
gcloud dns record-sets transaction execute --zone=ZONE_NAME --project=PROJECT_ID
ZONE_NAME è il nome della zona.
PROJECT_ID è l'ID del progetto che ospita la rete VPC.
Configurare il DNS localmente sul nodo master Dataproc con un'azione di inizializzazione
Puoi configurare localmente i nodi master DNS di Dataproc per consentire l'accesso
connettività a dataproc.cloud.google.com
. Questa procedura è pensata per lo sviluppo e i test a breve termine. Non è consigliato per l'uso nei carichi di lavoro di produzione.
Mettere temporaneamente l'azione di inizializzazione su Cloud Storage.
cat <<EOF >component-gateway-vpc-sc-dns-init-action.sh #!/bin/bash readonly ROLE="$(/usr/share/google/get_metadata_value attributes/dataproc-role)" if [[ "${ROLE}" == 'Master' ]]; then readonly PROXY_ENDPOINT=$(grep "^dataproc.proxy.agent.endpoint=" \ "/etc/google-dataproc/dataproc.properties" | \ tail -n 1 | cut -d '=' -f 2- | sed -r 's/\\([#!=:])/\1/g') readonly HOSTNAME=$(echo ${PROXY_ENDPOINT} | \ sed -n -E 's;^https://([^/?#]*).*;\1;p') echo "199.36.153.4 ${HOSTNAME} # Component Gateway VPC-SC" >> "/etc/hosts" fi EOF gcloud storage cp component-gateway-vpc-sc-dns-init-action.sh gs://BUCKET/
- BUCKET è un bucket Cloud Storage accessibile dal cluster Dataproc.
Crea un cluster Dataproc con l'azione di inizializzazione pianificata e il gateway dei componenti abilitati.
gcloud dataproc clusters create cluster-name \ --region=region \ --initialization-actions=gs://BUCKET/component-gateway-vpc-sc-dns-init-action.sh \ --enable-component-gateway \ other args ...
- BUCKET è il bucket Cloud Storage utilizzato nel passaggio 1 qui sopra.
Utilizzo programmatico delle API HTTP tramite il gateway dei componenti
Component Gateway è un proxy che incorpora Apache Knox. Gli endpoint esposti da Apache Knox sono disponibili tramite https://component-gateway-base-url/component-path
.
Per eseguire l'autenticazione programmatica con il gateway dei componenti, passa l'intestazione
Proxy-Authorization
con un
Token di connessione OAuth 2.0.
$ ACCESS_TOKEN="$(gcloud auth print-access-token)"
$ curl -H "Proxy-Authorization: Bearer ${ACCESS_TOKEN}" "https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/yarn/jmx"
{
"beans" : [ {
"name" : "Hadoop:service=ResourceManager,name=RpcActivityForPort8031",
"modelerType" : "RpcActivityForPort8031",
"tag.port" : "8031",
"tag.Context" : "rpc",
"tag.NumOpenConnectionsPerUser" : "{\"yarn\":2}",
"tag.Hostname" : "demo-cluster-m",
"ReceivedBytes" : 1928581096,
"SentBytes" : 316939850,
"RpcQueueTimeNumOps" : 7230574,
"RpcQueueTimeAvgTime" : 0.09090909090909091,
"RpcProcessingTimeNumOps" : 7230574,
"RpcProcessingTimeAvgTime" : 0.045454545454545456,
...
Il gateway dei componenti rimuove l'intestazione Proxy-Authorization
prima dell'inoltro
richieste ad Apache Knox.
Per trovare l'URL base di Component Gateway, esegui:
gcloud dataproc clusters describe
:
$ gcloud dataproc clusters describe <var>cluster-name</var> \
--region=<var>region</var>
...
endpointConfig:
enableHttpPortAccess: true
httpPorts:
HDFS NameNode: https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/hdfs/dfshealth.html
MapReduce Job History: https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/jobhistory/
Spark History Server: https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/sparkhistory/
Tez: https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/apphistory/tez-ui/
YARN Application Timeline: https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/apphistory/
YARN ResourceManager: https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/yarn/
...
L'URL base è costituito dalle parti schema e authority degli URL in httpPorts
. In questo esempio è https://xxxxxxxxxxxxxxx-dot-us-central1.dataproc.googleusercontent.com/
.
Come rigenerare il certificato SSL del gateway dei componenti
Il certificato SSL Knox Gateway predefinito di Component Gateway è valido per:
5 anni dalla data di creazione del cluster Dataproc nei cluster creati con le versioni delle immagini 2.0.93, 2.1.41, 2.2.7 e successive.
13 mesi dalla data di creazione del cluster Dataproc nei cluster creati utilizzando versioni immagine precedenti.
Se il certificato scade, tutti gli URL dell'interfaccia web di Component Gateway diventano inattivi.
Se la tua organizzazione ha fornito il certificato SSL, ottienine uno nuovo da l'organizzazione e sostituire il vecchio certificato con quello nuovo.
Se utilizzi il certificato SSL autofirmato predefinito, rinnovalo come segue:
Utilizza SSH per connetterti al nodo master del cluster Dataproc con il suffisso del nome
m-0
.Individua
gateway.jks
nel percorso/var/lib/knox/security/keystores/gateway.jks
.keytool -list -v -keystore /var/lib/knox/security/keystores/gateway.jks
Sposta il file
gateway.jks
in una directory di backup.mv /var/lib/knox/security/keystores/gateway.jks /tmp/backup/gateway.jks
Crea un nuovo certificato autofirmato riavviando il servizio Knox.
systemctl restart knox
Verifica lo stato di Component Gateway e Knox.
systemctl status google-dataproc-component-gateway systemctl status knox
Passaggi successivi
- Crea un cluster con Componenti di Dataproc.