将 Ranger 与 Kerberos 搭配使用

以下示例展示了如何创建并使用 已启用 Kerberos Dataproc 集群， Ranger 和 Solr 组件 对 Hadoop、YARN 和 HIVE 资源的访问权限。

注意：

  • 您可以通过组件网关访问 Ranger 网页界面。

  • 在包含 Kerberos 集群的 Ranger 中，Dataproc 通过删除 Kerberos 用户的领域和实例将 Kerberos 用户映射到系统用户。例如，Kerberos 主账号 user1/cluster-m@MY.REALM 被映射到系统 user1，且系统定义了 Ranger 政策以允许或拒绝 user1 的权限。

  1. 设置 Ranger 管理员密码。

  2. 设置 Kerberos Root 主账号密码。

  3. 创建集群。

    1. 以下 gcloud 命令可以在本地终端窗口中运行，也可以从项目的 Cloud Shell 中运行。
      gcloud dataproc clusters create cluster-name \
    --region=region \
    --optional-components=SOLR,RANGER \
    --enable-component-gateway \
    --properties="dataproc:ranger.kms.key.uri=projects/project-id/locations/global/keyRings/keyring/cryptoKeys/key,dataproc:ranger.admin.password.uri=gs://bucket/admin-password.encrypted" \
    --kerberos-root-principal-password-uri=gs://bucket/kerberos-root-principal-password.encrypted \
    --kerberos-kms-key=projects/project-id/locations/global/keyRings/keyring/cryptoKeys/key

  4. 运行集群后，导航到 Google Cloud 控制台上的 Dataproc 集群页面，然后选择集群名称以打开集群详细信息页面。点击网页界面标签页以显示组件网关链接列表，这些链接指向安装在集群上的默认组件和可选组件的网页界面。点击 Ranger 链接。

  5. 通过输入“admin”用户名和 Ranger 管理员密码登录到 Ranger。

  6. Ranger 管理界面会在本地浏览器中打开。

YARN 访问政策

此示例创建了一个 Ranger 政策，以允许和拒绝用户访问 YARN root.default 队列。

  1. 从 Ranger 管理界面中选择 yarn-dataproc。

  2. 在 yarn-dataproc 政策页面上，点击添加新政策。 在创建政策页面上，输入或选择以下字段：

    • Policy Name：“yarn-policy-1”
    • Queue：“root.default”
    • Audit Logging：“是”
    • Allow Conditions：
      • Select User：“userone”
      • Permissions：“全选”（授予所有权限）

    • Deny Conditions：

      • Select User：“usertwo”
      • Permissions：“全选”（拒绝所有权限）

      点击添加以保存政策。该政策列在 yarn-dataproc 政策页面上：

  3. 在主 SSH 会话窗口中以 userone 身份运行 Hadoop mapreduce 作业： 

    userone@example-cluster-m:~$ hadoop jar /usr/lib/hadoop-mapreduce/hadoop-mapreduced-examples.
jar pi 5 10

    1. Ranger 界面显示允许 userone 提交作业。

  4. 从虚拟机的主 SSH 会话窗口以 usertwo 身份运行 Hadoop mapreduce 作业：

    usertwo@example-cluster-m:~$ hadoop jar /usr/lib/hadoop-mapreduce/hadoop-mapreduced-examples.
jar pi 5 10

    1. Ranger 界面显示拒绝 usertwo 提交作业。

HDFS 访问政策

此示例创建了一个 Ranger 政策，以允许和拒绝用户对 HDFS /tmp 目录的访问。

  1. 从 Ranger 管理界面中选择 hadoop-dataproc。

  2. 在 hadoop-dataproc 政策页面上，点击添加新政策。 在创建政策页面上，输入或选择以下字段：

    • Policy Name：“hadoop-policy-1”
    • Resource Path：“/tmp”
    • Audit Logging：“是”
    • Allow Conditions：
      • Select User：“userone”
      • Permissions：“全选”（授予所有权限）

    • Deny Conditions：

      • Select User：“usertwo”
      • Permissions：“全选”（拒绝所有权限）

      点击添加以保存政策。该政策列在 hadoop-dataproc 政策页面上：

  3. 以 userone 身份访问 HDFS /tmp 目录： 

    userone@example-cluster-m:~$ hadoop fs -ls /tmp

    1. Ranger 界面显示允许 userone 访问 HDFS /tmp 目录。

  4. 以 usertwo 身份访问 HDFS /tmp 目录： 

    usertwo@example-cluster-m:~$ hadoop fs -ls /tmp

    1. Ranger 界面显示拒绝 usertwo 访问 HDFS /tmp 目录。

Hive 访问政策

此示例创建了一个 Ranger 政策，以允许和拒绝用户访问 Hive 表。

  1. 在主实例上使用 Hive CLI 创建一个小型的 employee 表。 

    hive> CREATE TABLE IF NOT EXISTS employee (eid int, name String); INSERT INTO employee VALUES (1 , 'bob') , (2 , 'alice'), (3 , 'john');

  2. 从 Ranger 管理界面中选择 hive-dataproc。

  3. 在 hive-dataproc 政策页面上，点击添加新政策。 在创建政策页面上，输入或选择以下字段：

    • Policy Name：“hive-policy-1”
    • database：“默认”
    • table：“员工”
    • Hive Column：“*”
    • Audit Logging：“是”
    • Allow Conditions：
      • Select User：“userone”
      • Permissions：“全选”（授予所有权限）

    • Deny Conditions：

      • Select User：“usertwo”
      • Permissions：“全选”（拒绝所有权限）

      点击添加以保存政策。该政策列在 hive-dataproc 政策页面上：

  4. 在虚拟机的主 SSH 会话中以 userone 身份针对 Hive 员工表运行查询： 

    userone@example-cluster-m:~$ beeline -u "jdbc:hive2://$(hostname -f):10000/default;principal=hive/$(hostname -f)@REALM" -e "select * from employee;"

    1. userone 查询成功： 
      Connected to: Apache Hive (version 2.3.6)
Driver: Hive JDBC (version 2.3.6)
Transaction isolation: TRANSACTION_REPEATABLE_READ
+---------------+----------------+
| employee.eid  | employee.name  |
+---------------+----------------+
| 1             | bob            |
| 2             | alice          |
| 3             | john           |
+---------------+----------------+
3 rows selected (2.033 seconds)

  5. 在虚拟机的主 SSH 会话中以 usertwo 身份针对 Hive 员工表运行查询： 

    usertwo@example-cluster-m:~$ beeline -u "jdbc:hive2://$(hostname -f):10000/default;principal=hive/$(hostname -f)@REALM" -e "select * from employee;"

    1. 拒绝 usertwo 访问该表： 
      Error: Could not open client transport with JDBC Uri:
...
Permission denied: user=usertwo, access=EXECUTE, inode="/tmp/hive"

精细 Hive 访问

Ranger 支持在 Hive 上使用遮罩和行级过滤条件。此示例是通过添加遮罩和过滤条件政策基于上一个 hive-policy-1 构建的。

  1. 从 Ranger 管理界面中选择 hive-dataproc，然后选择遮罩标签，点击添加新政策。

    1. 在创建政策页面中，输入或选择以下字段来创建一个政策用来掩盖（取消）员工姓名列：

      • Policy Name：“hive-masking 政策”
      • database：“默认”
      • table：“员工”
      • Hive Column：“姓名”
      • Audit Logging：“是”
      • Mask Conditions：
        • Select User：“userone”
        • Access Types：“选择”（添加/修改权限）
        • Select Masking Option：“取消”

          点击添加以保存政策。

  2. 从 Ranger 管理界面中选择 hive-dataproc，然后选择行级过滤条件标签，点击添加新政策。

    1. 在创建政策页面中，输入或选择以下字段来创建一个政策用来过滤（返回）eid 不等于 1 的行：

      • Policy Name：“hive-filter 政策”
      • Hive Database：“默认”
      • Hive Table：“员工”
      • Audit Logging：“是”
      • Mask Conditions：
        • Select User：“userone”
        • Access Types：“选择”（添加/修改权限）
        • Row Level Filter：“eid != 1”过滤条件表达式

          点击添加以保存政策。

    2. 在虚拟机的主 SSH 会话中以 userone 身份针对 Hive 员工表运行上一查询：

      userone@example-cluster-m:~$ beeline -u "jdbc:hive2://$(hostname -f):10000/default;principal=hive/$(hostname -f)@REALM" -e "select * from employee;"

      1. 查询将返回遮盖了的名称列以及从结果中滤除的 bob (eid=1)：
        Transaction isolation: TRANSACTION_REPEATABLE_READ
+---------------+----------------+
| employee.eid  | employee.name  |
+---------------+----------------+
| 2             | NULL           |
| 3             | NULL           |
+---------------+----------------+
2 rows selected (0.47 seconds)