Usa Ranger con almacenamiento en caché y reducción del alcance

Objetivo: Aprende a usar las propiedades de Ranger para habilitar el almacenamiento en caché y la reducción del alcance en un clúster de Dataproc.

Habilita el almacenamiento en caché

En esta sección, se indican los pasos para habilitar el almacenamiento en caché con Ranger y, así, reducir los viajes de ida y vuelta del sistema de administración de claves (KMS) de Ranger para encriptar y desencriptar tokens.

Nota: El almacenamiento en caché de Ranger está disponible con Dataproc en las versiones de imagen de Compute Engine a partir de la versión de imagen 2.0.92.

1. Instala memcached en las VMs del clúster de Dataproc. De forma predeterminada, el servidor de memcached se inicia en el puerto 11211 de la VM (localhost:11211).

   sudo apt-get install -y memcached
   

2. Establece las siguientes propiedades en el archivo de configuración de /etc/dataproc-ranger-gcs-plugin/conf/ranger-gcs-site.xml Ranger en las VMs del clúster de Dataproc.

   <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. Reinicia el servicio de autorización.

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

Cómo ver el estado de la caché

Puedes usar telnet para ver el estado de la caché de Ranger.

1. Instala telnet.

   sudo apt-get install -y telnet
   

2. Usa telnet para conectarte a memcache en el puerto 11211 de la VM.

   sudo telnet 127.0.0.1 11211
   

3. Usa los comandos telnet para ver el estado de la caché, incluidos los siguientes:

   • stats items: Enumera el estado de los elementos de la caché. Resultado de muestra:

     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: Enumera las claves almacenadas en la caché. Resultado de muestra:

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

   • flush_all: Invalida los elementos de la caché.

Reduce el alcance de los tokens de acceso de Cloud Storage

Es posible que debas reducir el alcance de los tokens de acceso de Ranger para aumentar el alcance de las rutas de Cloud Storage a las que apunta una tabla externa de Hive.

Para mover todas las particiones y subparticiones al nivel de la tabla, establece la propiedad downscope.table.partition-name.pruning.enabled en true en el archivo de configuración ranger-gcs-site.xml de las VMs del clúster de Dataproc.

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

Ejemplo:

• Nombre del bucket de Cloud Storage: gs://warehouse
• Ruta del token de acceso original: warehouse/hive/table/type=debit/year=2017/month=Aug/day=01/
• Después de configurar downscope.table.partition-name.pruning.enabled en true, ruta del token de acceso con alcance ampliado: warehouse/hive/table/

Nota: Puedes verificar las rutas de acceso del token en /var/log/ranger-gcs-plugin-authorization-server.log cuando log4j.properties se establece en debug.