Configuração de rede do cluster do Dataproc

Nesta página, explicamos os requisitos de configuração de rede do cluster do Dataproc e opções.

Requisitos de conectividade do Dataproc

Seu cluster do Dataproc precisa estar em uma rede VPC que atenda às e firewall para acessar com segurança as APIs do Google e outros recursos.

Requisitos do trajeto

O agente do Dataproc em execução nas VMs do cluster precisa de uma rota para a Internet para acessar a API Dataproc Control. para receber jobs e informar o status. Quando criadas, as redes VPC contêm uma rota padrão gerada pelo sistema à Internet. Não é recomendável excluir a rota padrão para a Internet. Em vez disso, use firewalls para controlar o acesso à rede. Observe que Clusters somente com ip interno exigem essa rota padrão na Internet para acessar as APIs de controle do Dataproc e outros serviços do Google, como o Cloud Storage, mas o tráfego deles não os data centers do Google.

Requisitos de firewall

Máquinas virtuais (VMs) de clusters do Dataproc precisam se comunicar entre si usando ICMP, TCP (todas as portas) e UDP; do Google Cloud (todas as portas).

A rede VPC default Firewall do default-allow-internal atende aos requisitos de conectividade do cluster do Dataproc e permite a entrada do intervalo de origem 10.128.0.0/9 todas as VMs na rede VPC, da seguinte maneira:

Regra Rede Direção Prioridade Intervalo de origem Protocolos:Portas
default-allow-internal default entrada 65534 10.128.0.0/9 tcp:0-65535, udp:0-65535 e icmp

  • Se você excluir a regra de firewall default-allow-internal, o tráfego de entrada a rede default foi bloqueada pelo regra implícita "negar entrada".

  • Se você excluir a regra de firewall default-allow-internal ou Se você não usar a rede VPC default, precisará criar uma regra própria que atende aos requisitos de conectividade do Dataproc e, em seguida, na rede VPC do cluster.

Prática recomendada: crie uma regra de firewall de entrada para a rede VPC do seu cluster que permite a conectividade de entrada apenas entre VMs de cluster usando um intervalo de IP de origem ou identificando VMs de cluster tag de rede ou conta de serviço.

Crie uma regra de firewall de entrada

Se você ou seu administrador de rede ou segurança criar Uma regra de firewall de entrada para aplicar a uma rede VPC de cluster do Dataproc, ele precisa ter o as seguintes características:

  • O parâmetro sources especifica: as origens dos pacotes. Todas as VMs de cluster do Dataproc precisam ser capazes de se comunicar entre si. É possível identificar as VMs cluster por intervalo de endereços IP, tags de origem ou contas de serviço associadas entre as VMs.

  • O destino da regra precisa identificar as VMs do cluster. O destino pode ser todas as VMs da rede VPC ou é possível identificar VMs por intervalo de endereços IP, tag ou serviço de destino do Compute Engine.

  • A regra precisa incluir o seguinte protocolos e portas:

    • TCP (todas as portas, 0 a 65535)
    • UDP (todas as portas, 0 a 65535)
    • ICMP

    O Dataproc usa serviços que são executados em várias portas. Especificação todas as portas ajuda na execução dos serviços.

Diagnosticar regras de firewall de VPC

Para auditar pacotes não processados por regras de firewall de prioridade mais alta, é possível criar duas regras de firewall de negação de baixa prioridade (65534). Ao contrário das regras de firewall implícitas, é possível ativar a geração de registros de regras de firewall em cada uma destas regras de baixa prioridade:

  1. Uma regra de negação de entrada (fontes 0.0.0.0/0, todos os protocolos, todos os destinos na rede VPC)

  2. Uma regra de negação de saída (destinos 0.0.0.0/0, todos os protocolos, todos os destinos na rede VPC)

  • Com essas regras de baixa prioridade e a geração de registros de regras de firewall, é possível não processados por itens de prioridade mais alta e possivelmente mais específicos, regras de firewall. Essas duas regras de baixa prioridade também se alinham às práticas recomendadas de segurança ao implementar uma estratégia de "pacotes finais eliminados".

  • Examine os registros de regras de firewall para encontrar essas regras determine se precisa criar ou alterar regras de prioridade mais alta para permitir pacotes. Por exemplo, se pacotes enviados entre clusters do Dataproc Como as VMs são descartadas, isso pode ser um sinal de que as regras de firewall ajustado.

Crie uma rede VPC

Em vez de usar a rede VPC default, é possível criar a própria modo automático ou VPC personalizada em uma rede VPC. Ao criar o cluster, você associa a rede à aglomerado.

Ambiente do Assured Workloads:quando você usa um Ambiente do Assured Workloads para conformidade regulatória, o cluster, a rede VPC e o Cloud Storage buckets precisam estar contidos no ambiente do Assured Workloads.

Como criar um cluster que use a rede VPC

Google Cloud CLI

Usar gcloud dataproc clusters create com ‑‑network ou ‑‑subnet para criar um cluster em uma sub-rede na rede. Se você usar a flag ‐‐network, o cluster usará uma sub-rede com o mesmo nome da rede especificada na região em que o cluster foi criado;

--network example: Como as redes automáticas são criadas com sub-redes em cada região, com o nome da rede em cada uma, é possível transmita o nome da rede VPC de modo automático para a sinalização ‑‑network. O cluster vai usar a sub-rede VPC de modo automático na região especificada com a sinalização ‐‐region.

gcloud dataproc clusters create CLUSTER_NAME \
    --network NETWORK_NAME \
    --region=REGION \
    ... other args ...

--subnet example: Você pode usar o método ‑‑subnet para criar um cluster que usa uma sub-rede de rede VPC personalizada ou de modo automático na região do cluster. Especifique o caminho completo do recurso da sub-rede.

gcloud dataproc clusters create CLUSTER_NAMEW \
    --subnet projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME \
    --region=REGION \
    ... other args ...

API REST

É possível especificar o campo GceClusterConfig networkUri ou subnetworkUri como parte de uma solicitação clusters.create.

Exemplo

POST /v1/projects/my-project-id/regions/us-central1/clusters/
{
  "projectId": "PROJECT_ID",
  "clusterName": CLUSTER_NAME,
  "config": {
    "configBucket": "",
    "gceClusterConfig": {
      "subnetworkUri": SUBNET_NAME,
    },
    ...

Console

Selecione sua rede na seção de configuração no painel Personalizar cluster. Depois de escolher rede, o seletor Sub-rede exibirá as sub-redes disponíveis na região selecionada para o cluster.

Como criar um cluster que use uma rede VPC em outro projeto

Um cluster do Dataproc pode usar rede VPC compartilhada definida em um projeto host. O projeto em que o cluster do Dataproc é criado conhecido como projeto de serviço.

  1. Encontre o número do projeto do cluster do Dataproc:

    1. Abra a página IAM e Administrador Configurações na console do Google Cloud. Selecione o projeto em que você criará o cluster do Dataproc. Copie o ID do projeto.

  2. Um principal com o papel de administrador de VPC compartilhada precisa executar as etapas a seguir. Consulte as instruções para configurar a VPC compartilhada para ver informações básicas.

    1. Confirme se o projeto host da VPC compartilhada está ativada.

    2. Anexe o projeto com o cluster do Dataproc ao projeto host.

    3. Siga as instruções desta subetapa para configurar os seguintes itens: as contas de serviço tenham o papel Usuário de rede para o projeto host:

      .

      1. Abra a página IAM e Administrador no console do Google Cloud.

      2. Use o seletor de projetos para escolher o novo projeto host.

      3. Clique em Permitir acesso.

      4. Preencha o formulário para conceder acesso. Repita essas etapas para adicionar as duas contas de serviço:

        1. Adicionar principais: informe a conta de serviço.

        2. Atribuir papéis: insira "Rede do Compute". Na caixa de filtro, selecione o papel Usuário da rede do Compute.

        3. Clique em Salvar.

  3. Depois que ambas as contas de serviço tiverem o papel Network User para o projeto host, criar um cluster que usa a rede VPC compartilhada.

Criar um cluster que use uma sub-rede VPC em outro projeto

Um cluster do Dataproc pode usar sub-rede VPC compartilhada, definida em um projeto host. O projeto em que o cluster do Dataproc é criado conhecido como projeto de serviço.

  1. Encontre o número do projeto do cluster do Dataproc:

    1. Abra a página IAM e Administrador Configurações na console do Google Cloud. Selecione o projeto em que você criará o cluster do Dataproc. Copie o ID do projeto.

  2. Um principal com o papel de administrador de VPC compartilhada precisa executar as etapas a seguir. Consulte as instruções para configurar a VPC compartilhada para ver informações básicas.

    1. Confirme se o projeto host da VPC compartilhada está ativada.

    2. Anexe o projeto com o cluster do Dataproc ao projeto host.

    3. Siga as instruções nesta etapa para configurar os seguintes itens as contas de serviço tenham o papel Usuário de rede para o projeto host:

      .

      1. Abra as redes VPC no console do Google Cloud.

      2. Use o seletor de projetos para escolher o projeto host.

      3. Clique na rede que contém a sub-rede que cluster do Dataproc vai usar.

      4. Na página Detalhes da rede VPC, clique na caixa de seleção ao lado do o nome da sub-rede que o cluster vai usar.

      5. Se o painel de informações não estiver aberto, clique em Mostrar painel de informações.

      6. Siga estas etapas para cada conta de serviço:

        1. No painel de informações, clique em Adicionar principal.

        2. Preencha o formulário Permitir acesso:

          1. Adicionar principais: informe a conta de serviço.

          2. Atribuir papéis: insira "Rede do Compute". Na caixa de filtro, selecione o papel Usuário da rede do Compute.

          3. Clique em Salvar.

  3. Depois que ambas as contas de serviço tiverem o papel Network User para o projeto host, criar um cluster que usa a sub-rede VPC compartilhada.

Criar um cluster do Dataproc somente com endereços IP internos

É possível criar um cluster do Dataproc isolado da Internet pública em que as instâncias de VM se comunicam por uma sub-rede IP particular. (VMs de cluster não recebem endereços IP públicos). Para fazer isso, o sub-rede deve ter Acesso privado do Google ativado para permitir que os nós do cluster acessem as APIs e os serviços do Google, como Cloud Storage, de IPs internos.

CLI da gcloud

Só é possível criar um cluster do Dataproc com endereços IP internos usando o gcloud dataproc clusters create com a sinalização ‑‑no-address.

Use as sinalizações ‐‐no-address e ‐‐network: Use a flag ‑‑no-address com o sinalização ‑‑network para criar um cluster que usará uma sub-rede com o mesmo nome da rede da região em que o cluster é criado.

gcloud dataproc clusters create CLUSTER_NAME \
    --no-address \
    --network NETWORK_NAME \
    --region=REGION \
    ... other args ...

Por exemplo, como redes automáticas são criadas com sub-redes em cada região com o mesmo nome da rede automática, será possível transmitir a rede automática ao ‑‑network flag para criar um cluster que usará a sub-rede automática na região do cluster.

Use as sinalizações ‐‐no-address e ‐‐subnet: Use a flag ‑‑no-address com o ‑‑subnet para criar um cluster que vai usar uma sub-rede automática ou personalizada na região em que o cluster será criado. Transmita a sinalização ‑‑subnet o caminho completo do recurso da sub-rede.

gcloud dataproc clusters create cluster-name \
    --no-address \
    --subnet projects/project-id/regions/region/subnetworks/subnetwork-name \
    --region=region \
    ... other args ...

API REST

É possível definir o GceClusterConfig internalIpOnly como true como parte de uma clusters.create para ativar apenas endereços IP internos.

Exemplo:

POST /v1/projects/my-project-id/regions/us-central1/clusters/
{
  "projectId": "my-project-id",
  "clusterName": "example-cluster",
  "config": {
    "configBucket": "",
    "gceClusterConfig": {
      "subnetworkUri": "custom-subnet-1",
      "zoneUri": "us-central1-b",
      "internalIpOnly": true
    },
    ...

Console

É possível criar um cluster do Dataproc com o Acesso privado do Google do Dataproc Criar um cluster no console do Google Cloud. Clique em Somente IP interno em a página Personalizar cluster para ativar esse recurso no cluster.

Como os clusters somente de IP interno não têm acesso à Internet por padrão, jobs que fazem o download de dependências da Internet, como aqueles que fazem o download Os pacotes de dependência do Spark do Maven Central falharão. Há várias soluções para evitar o problema:

  1. usar o Cloud NAT; para ativar o acesso do cluster à Internet.

  2. Crie uma imagem personalizada que inclua as dependências (por exemplo, pacotes de dependência do Spark em /usr/lib/spark/jars/).

  3. Faça upload das dependências para um bucket do Cloud Storage e use uma ação de inicialização para fazer o download das dependências do bucket durante a criação do cluster.

Redes Dataproc e VPC Service Controls

Com o VPC Service Controls, os administradores podem definir um perímetro de segurança em torno dos recursos dos serviços gerenciados pelo Google para controlar a comunicação entre esses serviços.

Observe as seguintes limitações e estratégias ao usar redes VPC Service Controls com Clusters do Dataproc: