Quando utilizzi il servizio Dataproc per creare cluster ed eseguire job sui cluster, il servizio configura ruoli e autorizzazioni Dataproc necessari nel tuo progetto per accedere alle risorse Google Cloud e utilizzarle per svolgere queste attività. Tuttavia, se lavori tra progetti, ad esempio per accedere ai dati in un altro progetto, dovrai configurare i ruoli e le autorizzazioni necessari per accedere alle risorse tra progetti.
Per aiutarti a svolgere correttamente il lavoro tra progetti, in questo documento sono elencate le diverse entità che utilizzano il servizio Dataproc e i ruoli che contengono le autorizzazioni necessarie affinché queste entità possano accedere e utilizzare le risorse Google Cloud.
Esistono tre entità (identità) che accedono e utilizzano Dataproc:
- Identità utente
- Identità piano di controllo
- Identità piano dati
Utente API Dataproc (identità utente)
Esempio: nomeutente@example.com
Si tratta dell'utente che chiama il servizio Dataproc per creare cluster, inviare job ed effettuare altre richieste al servizio. L'utente è di solito un individuo, ma può anche essere un account di servizio se Dataproc viene richiamato tramite un client API o da un altro servizio Google Cloud come Compute Engine, Cloud Functions o Cloud Composer.
Ruoli correlati
Notes
- I job inviati dall'API Dataproc vengono eseguiti come
root
su Linux. I cluster Dataproc ereditano i metadati SSH di Compute Engine a livello di progetto, a meno che non siano bloccati esplicitamente impostando
--metadata=block-project-ssh-keys=true
quando crei il cluster (vedi Metadati del cluster).Le directory utente HDFS vengono create per ogni utente SSH a livello di progetto. Queste directory HDFS vengono create al momento del deployment del cluster e a un nuovo utente SSH (post-deployment) non viene assegnata una directory HDFS sui cluster esistenti.
Agente di servizio Dataproc (identità piano di controllo)
Esempio: service-project-number@dataproc-accounts.iam.gserviceaccount.com
L'account di servizio dell'agente di servizio Dataproc di Dataproc viene utilizzato per eseguire un ampio set di operazioni di sistema sulle risorse che si trovano nel progetto in cui viene creato un cluster Dataproc, tra cui:
- Creazione di risorse Compute Engine, tra cui istanze VM, gruppi di istanze e modelli di istanza
- Operazioni
get
elist
per confermare la configurazione di risorse come immagini, firewall, azioni di inizializzazione di Dataproc e bucket Cloud Storage - Creazione automatica dei bucket di gestione temporanea e temporanea di Dataproc se il bucket temporaneo o temporaneo non è specificato dall'utente.
- Scrittura dei metadati di configurazione del cluster nel bucket di gestione temporanea
- Accesso alle reti VPC in un progetto host
Ruoli correlati
Account di servizio VM Dataproc (identità piano dati)
Esempio: project-number-compute@developer.gserviceaccount.com
Il codice dell'applicazione viene eseguito come account di servizio VM sulle VM Dataproc. Ai job utente vengono concessi i ruoli (con le autorizzazioni associate) di questo account di servizio.
L'account di servizio VM:
- comunica con il piano di controllo Dataproc
- legge e scrive i dati da e nei bucket temporanei e di gestione temporanea di Dataproc
- Secondo le esigenze dei job Dataproc, legge e scrive dati da e verso Cloud Storage, BigQuery, Cloud Logging e altre risorse Google Cloud.
Ruoli correlati
Per maggiori informazioni
- Ruoli e autorizzazioni Dataproc
- Account di servizio
- Controllo degli accessi a BigQuery
- Opzioni di controllo dell'accesso per Cloud Storage