Se usó la API de Cloud Translation para traducir esta página.

Claves de encriptación administradas por el cliente (CMEK)

Cuando usas Dataproc, los datos del clúster y del trabajo se almacenan en discos persistentes asociados con las VM de Compute Engine en tu clúster y en un bucket de etapa de pruebas de Cloud Storage. Estos datos del disco persistente y del bucket se encriptan con una clave de encriptación de datos (DEK) generada por Google y una clave de encriptación de claves (KEK).

La función CMEK te permite crear, usar y revocar la clave de encriptación de claves (KEK). Google aún controla la clave de encriptación de datos (DEK). Para obtener más información sobre las claves de encriptación de datos de Google, consulta Encriptación en reposo.

Usa CMEK con datos de clústeres

Puedes usar claves de encriptación administradas por el cliente (CMEK) para encriptar los siguientes datos del clúster:

Datos de los discos persistentes conectados a las VMs en tu clúster de Dataproc
Datos de argumentos de trabajo enviados a tu clúster, como una cadena de consulta enviada con un trabajo de Spark SQL
Metadatos de clúster, resultado del controlador de trabajo y otros datos escritos en un bucket de etapa de pruebas de Dataproc que creas

Sigue estos pasos para usar CMEK con la encriptación de los datos del clúster:

Crea una o más claves con Cloud Key Management Service. El nombre del recurso, también llamado ID de recurso de una clave, que usarás en los próximos pasos, se construye de la siguiente manera:
```
projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
```
Usa la página Claves criptográficas de la consola de Google Cloud para copiar el ID de un recurso de la clave en el portapapeles.
Asigna los siguientes roles a las siguientes cuentas de servicio:
1. Sigue el elemento n.o 5 de Compute Engine→Protege los recursos con las claves de Cloud KMS→Antes de comenzar para asignar la función Encriptador/Desencriptador de CryptoKey de Cloud KMS a la cuenta de servicio del agente de servicio de Compute Engine.
  Si la cuenta de servicio del agente de servicio de Compute Engine no se puede ver en la página de IAM de la consola de Google Cloud, haz clic en “Incluir asignaciones de roles proporcionadas por Google” en la página.
2. Asigna la función Encriptador/Desencriptador de CryptoKey de Cloud KMS a la cuenta de servicio del agente de servicio de Cloud Storage.
3. Asigna la función Encriptador/Desencriptador de CryptoKey de Cloud KMS a la cuenta de servicio del agente de servicio de Dataproc. Puedes usar Google Cloud CLI para asignar el rol:
```
  gcloud projects add-iam-policy-binding KMS_PROJECT_ID \
  --member serviceAccount:service-PROJECT_NUMBER@dataproc-accounts.iam.gserviceaccount.com \
  --role roles/cloudkms.cryptoKeyEncrypterDecrypter
```
  Reemplaza lo siguiente:
  
  KMS_PROJECT_ID: Es el ID del proyecto de Google Cloud que ejecuta Cloud KMS. Este proyecto también puede ser el que ejecuta recursos de Dataproc.
  
  PROJECT_NUMBER: Es el número del proyecto (no el ID del proyecto) de tu proyecto de Google Cloud que ejecuta los recursos de Dataproc.
4. Si la función de agente de servicio de Dataproc no se vincula a la cuenta de servicio del agente de servicio de Dataproc, agrega el permiso serviceusage.services.use a la función personalizada conectada a la cuenta de servicio del agente de servicio de Dataproc. Si la función de agente de servicio de Dataproc está vinculada a la cuenta de servicio del agente de servicio de Dataproc, puedes omitir este paso.
Pasa el ID de recurso de tu clave a Google Cloud CLI o la API de Dataproc para usarlo con la encriptación de datos del clúster.
gcloud CLI
- Para encriptar los datos del disco persistente del clúster con tu clave, pasa el ID de recurso de tu clave a la marca --gce-pd-kms-key cuando crees el clúster.
```
gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --gce-pd-kms-key='projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME' \
    other arguments ...
```
  Puedes verificar la configuración de la clave desde la herramienta de línea de comandos de gcloud.
```
gcloud dataproc clusters describe CLUSTER_NAME \
    --region=REGION
```
  Fragmento del resultado del comando:
```
...
configBucket: dataproc- ...
encryptionConfig:
gcePdKmsKeyName: projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name
...
```
- Para encriptar los datos del disco persistente del clúster y los datos de argumentos de trabajo con tu clave, pasa el ID de recurso de la clave a la marca --kms-key cuando crees el clúster. Consulta Cluster.EncryptionConfig.kmsKey para obtener una lista de los tipos de trabajo y argumentos que se encriptan con la marca --kms-key.
```
gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --kms-key='projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME' \
    other arguments ...
  
```
  Puedes verificar la configuración de la clave con el comando dataproc clusters describe de gcloud CLI. El ID de recurso de la clave se configura en gcePdKmsKeyName y kmsKey para usar tu clave con la encriptación del disco persistente del clúster y los datos de argumentos de trabajo.
```
gcloud dataproc clusters describe CLUSTER_NAME \
    --region=REGION
  
```
  Fragmento del resultado del comando:
```
...
configBucket: dataproc- ...
encryptionConfig:
gcePdKmsKeyName: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
kmsKey: projects/PROJECT_ID/locations/REGION/keyRings/key-KEY_RING_NAME-name/cryptoKeys/KEY_NAME
...
```
  Puedes usar la marca --gce-pd-kms-key o --kms-key, pero no ambas, para encriptar datos del clúster con tu clave.
- Sigue estos pasos para encriptar los metadatos del clúster, el controlador del trabajo y otros datos de salida escritos en tu bucket de etapa de pruebas de Dataproc en Cloud Storage:
  - Crea tu propio bucket con CMEK. Cuando agregues la clave al bucket, usa una clave que creaste en el paso 1.
  - Pasa el nombre del bucket a la marca “--bucket” cuando crees el clúster.
```
gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --bucket=CMEK_BUCKET_NAME \
    other arguments ...
    
```
  También puedes pasar buckets habilitados para CMEK al comando “gcloud dataproc jobs submit” si tu trabajo toma argumentos de buckets, como se muestra en el siguiente ejemplo de “cmek-bucket”:
```
gcloud dataproc jobs submit pyspark gs://cmek-bucket/wordcount.py \
    --region=region \
    --cluster=cluster-name \
    -- gs://cmek-bucket/shakespeare.txt gs://cmek-bucket/counts
  
```
  Dataproc no administra las claves de encriptación administradas por el cliente en tu bucket de Cloud Storage.
  
  El uso de un bucket con una clave de encriptación administrada por el cliente puede ralentizar el tiempo de escritura en los archivos grandes.
API de REST
- Para encriptar los datos del disco persistente de la VM del clúster con tu clave, incluye el campo ClusterConfig.EncryptionConfig.gcePdKmsKeyName como parte de una solicitud cluster.create.
  Puedes verificar la configuración de la clave con el comando dataproc clusters describe de gcloud CLI.
```
gcloud dataproc clusters describe CLUSTER_NAME \
    --region=REGION
```
  Fragmento del resultado del comando:
```
...
configBucket: dataproc- ...
encryptionConfig:
gcePdKmsKeyName: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
...
```
- Para encriptar los datos del disco persistente de la VM del clúster y los datos de los argumentos del trabajo con tu clave, incluye el campo Cluster.EncryptionConfig.kmsKey como parte de una solicitud cluster.create. Consulta Cluster.EncryptionConfig.kmsKey para obtener una lista de los tipos de trabajo y argumentos que se encriptan con el campo --kms-key.
  Puedes incluir el campo Cluster.EncryptionConfig.gcePdKmsKeyName o el campo Cluster.EncryptionConfig.kmsKey, pero no ambos, con la solicitud de creación del clúster.
  
  Puedes verificar la configuración de la clave con el comando dataproc clusters describe de gcloud CLI. El ID de recurso de la clave se configura en gcePdKmsKeyName y kmsKey para usar tu clave con la encriptación del disco persistente del clúster y los datos de argumentos de trabajo.
```
gcloud dataproc clusters describe CLUSTER_NAME \
    --region=REGION
```
  Fragmento del resultado del comando:
```
...
configBucket: dataproc- ...
encryptionConfig:
gcePdKmsKeyName: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
kmsKey: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
```
- Para encriptar los metadatos del clúster, el controlador del trabajo y otros datos de salida escritos en tu bucket de etapa de pruebas de Dataproc en Cloud Storage, sigue estos pasos:
  - Crea tu propio bucket con CMEK. Cuando agregues la clave al bucket, usa una clave que creaste en el paso 1.
  - Pasa el nombre del bucket al campo ClusterConfig.configBucket como parte de una solicitud cluster.create.
```
gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --bucket=CMEK_BUCKET_NAMEt \
    other arguments ...
```
  Dataproc no administra las claves de encriptación administradas por el cliente en tu bucket de Cloud Storage.
  
  El uso de un bucket con una clave de encriptación administrada por el cliente puede ralentizar el tiempo de escritura en los archivos grandes.
  También puedes pasar buckets habilitados para CMEK al comando “gcloud dataproc jobs submit” si tu trabajo toma argumentos de buckets, como se muestra en el siguiente ejemplo de “cmek-bucket”:
```
gcloud dataproc jobs submit pyspark gs://cmek-bucket/wordcount.py \
    --region=region \
    --cluster=cluster-name \
    -- gs://cmek-bucket/shakespeare.txt gs://cmek-bucket/counts
  
```

Usa CMEK con datos de plantillas de flujo de trabajo

Los datos de argumentos de trabajo de la plantilla de flujo de trabajo de Dataproc, como la cadena de consulta de un trabajo de Spark SQL, se pueden encriptar mediante CMEK. Sigue los pasos 1, 2 y 3 de esta sección para usar CMEK con tu plantilla de flujo de trabajo de Dataproc. Consulta WorkflowTemplate.EncryptionConfig.kmsKey para obtener una lista de tipos de trabajo de plantilla de flujo de trabajo y argumentos que se encriptan con CMEK cuando esta función está habilitada.

Crea una clave con Cloud Key Management Service (Cloud KMS). El nombre del recurso de la clave, que usarás en los próximos pasos, se construye de la siguiente manera:
```
projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name
```
Usa la página Claves criptográficas de la consola de Google Cloud para copiar el ID de un recurso de la clave en el portapapeles.
Para habilitar que las cuentas de servicio de Dataproc usen tu clave, sigue estos pasos:
1. Asigna la función CryptoKey Encrypter/Decrypter de Cloud KMS a la cuenta de servicio del agente de servicio de Dataproc. Puedes usar gcloud CLI para asignar el rol:
```
 gcloud projects add-iam-policy-binding KMS_PROJECT_ID \
 --member serviceAccount:service-PROJECT_NUMBER@dataproc-accounts.iam.gserviceaccount.com \
 --role roles/cloudkms.cryptoKeyEncrypterDecrypter
```
  Reemplaza lo siguiente:
  
  KMS_PROJECT_ID: Es el ID del proyecto de Google Cloud que ejecuta Cloud KMS. Este proyecto también puede ser el que ejecuta recursos de Dataproc.
  
  PROJECT_NUMBER: Es el número del proyecto (no el ID del proyecto) de tu proyecto de Google Cloud que ejecuta los recursos de Dataproc.
2. Si el rol de agente de servicio de Dataproc no se vincula a la cuenta de servicio del agente de servicio de Dataproc, agrega el permiso serviceusage.services.use a la función personalizada vinculada a la cuenta de servicio del agente de servicio de Dataproc. Si el rol Agente de servicio de Dataproc se vincula a la cuenta de servicio del agente de servicio de Dataproc, puedes omitir este paso.
Puedes usar Google Cloud CLI o la API de Dataproc para configurar la clave que creaste en el paso 1 en un flujo de trabajo. Una vez que se configura la clave en un flujo de trabajo, todos los argumentos del trabajo de flujo de trabajo y las consultas se encriptan con la clave para cualquiera de los tipos de trabajo y argumentos enumerados en WorkflowTemplate.EncryptionConfig.kmsKey.
gcloud CLI

Pasa el ID de recurso de tu clave a la marca --kms-key cuando crees la plantilla de flujo de trabajo con el comando gcloud dataproc workflow-templates create.

Ejemplo:
```
gcloud dataproc workflow-templates create my-template-name \
    --region=region \
    --kms-key='projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name' \
    other arguments ...
```
Puedes verificar la configuración de la clave desde la herramienta de línea de comandos de gcloud.
```
gcloud dataproc workflow-templates describe TEMPLATE_NAME \
    --region=REGION
```
```
...
id: my-template-name
encryptionConfig:
kmsKey: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
...
```
API de REST

Usa WorkflowTemplate.EncryptionConfig.kmsKey como parte de una solicitud WorkflowTemplates.create.

Puedes verificar la configuración de la clave mediante una solicitud workflowTemplates.get. El archivo JSON que se muestra contiene listas de los kmsKey:
```
...
"id": "my-template-name",
"encryptionConfig": {
  "kmsKey": "projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name"
},
```

Cloud External Key Manager

Cloud External Key Manager (Cloud EKM) (EKM) te permite proteger los datos de Dataproc mediante claves administradas por un socio de administración de claves externo compatible. Los pasos que sigues a fin de usar EKM en Dataproc son los mismos que los que usas para configurar claves CMEK, con la siguiente diferencia: tus claves apuntan a un URI para la clave administrada de forma externa (consulta la Descripción general de Cloud EKM).

Errores de Cloud EKM

Cuando usas Cloud EKM, el intento de crear un clúster puede fallar debido a errores asociados con las entradas, Cloud EKM, el sistema asociado de administración de claves externo o las comunicaciones entre EKM y el sistema externo. Si usas la API de REST o la consola de Google Cloud, los errores se registran en Logging. Puedes examinar los errores del clúster con errores en la pestaña Ver registro.