Use o Ranger com colocação em cache e redução do âmbito

Objetivo: saiba como usar as propriedades do Ranger para ativar a colocação em cache e a redução do âmbito num cluster do Dataproc.

Ative a colocação em cache

Esta secção indica os passos para ativar o armazenamento em cache com o Ranger de modo a reduzir as viagens de ida e volta do Ranger Key Management System (KMS) para encriptar e desencriptar tokens.

Nota: o armazenamento em cache do Ranger está disponível com o Dataproc nas versões de imagens do Compute Engine a partir da versão de imagem 2.0.92.

1. Instale o memcached em VMs de cluster do Dataproc. Por predefinição, o servidor memcached é iniciado na porta 11211 da VM (localhost:11211).

   sudo apt-get install -y memcached
   

2. Defina as seguintes propriedades no ficheiro de configuração do Ranger nas VMs do cluster do Dataproc./etc/dataproc-ranger-gcs-plugin/conf/ranger-gcs-site.xml

   <property>
   <name>authorization.service.remoteCaching.address</name>
   <value>localhost:11211</value>
   </property>
   
   <property>
   <name>authorization.service.remoteCaching.class</name>
   <value>com.google.cloud.hadoop.ranger.gcs.authorization.caching.MemcachedCache</value>
   </property>
   
   <property>
   <name>authorization.service.remoteCaching.encryption.key.uri</name>
   <value>gcp-kms://projects/PROJECT_ID_OF_KMS_KEY/locations/REGION/keyRings/KEYRING_NAME/cryptoKeys/KEY_NAME</value>
   </property>
   

3. Reinicie o serviço de autorização.

   sudo systemctl restart ranger-gcs-plugin-authorization-server
   

Veja o estado da cache

Pode usar telnet para ver o estado da cache do Ranger.

1. Instale telnet.

   sudo apt-get install -y telnet
   

2. Use o telnet para estabelecer ligação a memcache na porta 11211 da VM.

   sudo telnet 127.0.0.1 11211
   

3. Use os comandos telnet para ver o estado da cache, incluindo os seguintes comandos:

   • stats items: liste o estado dos itens da cache. Exemplo de saída:

     STAT items:17:number 2
     STAT items:17:number_hot 0
     STAT items:17:number_warm 0
     STAT items:17:number_cold 2
     

   • stats cachedump: lista as chaves armazenadas na cache. Exemplo de saída:

     stats cachedump 17 2
     ITEM 0616eeeeb54e23a09505da5bf75cd7fafe733eacf0d07bd7b1ac9cf46d17c188 [3051 b; 1707948281 s]
     ITEM d23645df9c79290d59ddb1b9710ff04fee37aa0b5de866b9b6d56b54641d68b4 [3078 b; 1707948281 s]
     

   • flush_all: invalide os itens da cache.

Restrinja o âmbito dos tokens de acesso do Cloud Storage

Pode ter de reduzir o âmbito dos tokens de acesso do Ranger para aumentar o âmbito dos caminhos do Cloud Storage para os quais uma tabela do Hive externa aponta.

Para mover todas as partições e subpartições até ao nível da tabela, defina a propriedade downscope.table.partition-name.pruning.enabled como true no ficheiro de configuração ranger-gcs-site.xml nas VMs do cluster do Dataproc.

<property>
  <name>downscope.table.partition-name.pruning.enabled</name>
  <value>true</value>
</property>

Exemplo:

• Nome do contentor do Cloud Storage: gs://warehouse
• Caminho do token de acesso original: warehouse/hive/table/type=debit/year=2017/month=Aug/day=01/
• Depois de definir downscope.table.partition-name.pruning.enabled como true, caminho da chave de acesso com âmbito alargado: warehouse/hive/table/

Nota: pode validar os caminhos dos tokens de acesso no /var/log/ranger-gcs-plugin-authorization-server.log quando log4j.properties está definido como debug.