Per limitare le righe che le entità possono visualizzare e per mascherare o bloccare i valori delle colonne sensibili senza duplicare i file Cloud Storage sottostanti, configura il controllo granulare dell'accesso (FGAC) di BigQuery sulle tabelle Apache Iceberg gestite dal catalogo di runtime Lakehouse. FGAC include la sicurezza a livello di riga e la sicurezza a livello di colonna con mascheramento dinamico dei dati. Questo documento mostra come creare policy di accesso a livello di riga e applicare policy dei dati direttamente alle colonne.
Puoi collegare e gestire le policy di accesso a livello di riga e le policy dei dati delle colonne sulle tabelle Apache Iceberg eseguendo istruzioni DDL (Data Definition Language) GoogleSQL in BigQuery che utilizzano l'identificatore di tabella P.C.N.T (Project.Catalog.Namespace.Table) in quattro parti. Quando il catalogo utilizza la modalità di distribuzione delle credenziali, l'endpoint del catalogo REST Apache Iceberg applica un guardrail di distribuzione delle credenziali alle tabelle protette da FGAC. L'endpoint restituisce un codice di stato HTTP 403 Forbidden per le richieste di credenziali Cloud Storage dirette, a meno che l'entità chiamante non abbia accesso in chiaro (RAW_DATA_ACCESS_POLICY) a ogni colonna protetta e, se la tabella ha policy di accesso a livello di riga, accesso alle righe non filtrate (FILTER USING (TRUE)).
Limitazioni
Controllo dell'accesso granulare dell'accesso sulle tabelle Apache Iceberg gestite dal catalogo di runtime Lakehouse è soggetto alle seguenti limitazioni, oltre alle limitazioni standard delle policy dei dati delle colonne e alle limitazioni della sicurezza a livello di riga:
- Solo SQL DDL: puoi collegare, aggiornare o scollegare le policy dei dati delle colonne e creare o eliminare le policy di accesso a livello di riga solo tramite le istruzioni DDL GoogleSQL di BigQuery (
CREATE TABLE,ALTER TABLE ... ADD COLUMN,ALTER TABLE ... ALTER COLUMN ... SET OPTIONS,CREATE ROW ACCESS POLICYeDROP ROW ACCESS POLICY). La gestione di queste associazioni di tabelle tramite la console Google Cloud , l'API BigQuery (tables.patch), lo strumento a riga di comando bq o Terraform non è supportata. - È richiesto l'identificatore della tabella P.C.N.T in quattro parti: quando fai riferimento a una tabella Apache Iceberg gestita dal catalogo di runtime Lakehouse nelle istruzioni o nelle query DDL, devi utilizzare il formato P.C.N.T (
PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME) in quattro parti. - I tag di policy e i tag di governance dei dati non sono supportati: i tag di policy (e le tassonomie) di Data Catalog e i tag di governance dei dati di Resource Manager non sono supportati nelle tabelle Apache Iceberg nel catalogo di runtime Lakehouse. Per applicare la sicurezza a livello di colonna e il mascheramento dei dati, devi applicare le policy dei dati direttamente alle colonne.
- Le subquery nelle policy di accesso a livello di riga non sono supportate: le policy di accesso a livello di riga sulle tabelle Apache Iceberg nel catalogo di runtime Lakehouse non supportano le subquery nell'espressione di filtro
FILTER USING. - Guardrail di distribuzione delle credenziali per i motori open source: sui cataloghi configurati con la modalità di distribuzione delle credenziali, l'endpoint del catalogo REST Apache Iceberg restituisce un codice di stato HTTP
403 Forbiddenquando un client, ad esempio un motore open source, richiede credenziali Cloud Storage temporanee per una tabella protetta da FGAC. Per ottenere le credenziali vendute, l'entità chiamante deve avere accesso in chiaro (RAW_DATA_ACCESS_POLICY) a ogni colonna protetta e, se la tabella ha policy di accesso a livello di riga, accesso alle righe non filtrate (FILTER USING (TRUE)). Per i passaggi di configurazione, consulta Configura le credenziali del motore open source per le tabelle protette da FGAC. - Modalità credenziali dell'utente finale: nei cataloghi che non utilizzano la modalità di distribuzione delle credenziali, BigQuery applica le policy di accesso a livello di riga e di colonna solo alle query eseguite in BigQuery, non quando le entità leggono direttamente i file Cloud Storage sottostanti. Per impedire alle entità di aggirare i controlli granulari dell'accesso leggendo direttamente i file di archiviazione, utilizza la modalità di distribuzione delle credenziali.
- I cataloghi federati non sono supportati: il controllo granulare dell'accesso (sicurezza a livello di riga e policy dei dati delle colonne) non è supportato nei cataloghi federati o nelle tabelle esterne a cui si accede utilizzando connessioni cross-cloud.
Prima di iniziare
-
Verifica che la fatturazione sia attivata per il tuo progetto Google Cloud .
-
Abilita le API BigLake e BigQuery Data Policy, se non sono già abilitate.
Ruoli richiesti per abilitare le API
Per abilitare le API, devi disporre dell'autorizzazione
serviceusage.services.enable. Se hai creato il progetto, probabilmente disponi già di questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore Service Usage (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli. - Configura il catalogo di runtime Lakehouse con l'endpoint del catalogo REST Apache Iceberg in modalità di distribuzione delle credenziali.
- Crea una tabella Apache Iceberg.
Ruoli obbligatori
La gestione e l'esecuzione di query sulle policy di controllo dell'accesso granulare dell'accesso sulle tabelle Apache Iceberg richiedono le autorizzazioni Identity and Access Management (IAM) sia sulla tabella Lakehouse (biglake.*) sia sulla policy dei dati o sul job di query BigQuery (bigquery.*).
Per ottenere le autorizzazioni necessarie per configurare ed eseguire query sulla sicurezza a livello di riga e di colonna sulle tabelle Apache Iceberg, chiedi all'amministratore di concederti i seguenti ruoli IAM:
-
Creare, aggiornare, eliminare o concedere l'accesso a una policy dei dati:
- BigQuery Data Policy Admin (
roles/bigquerydatapolicy.admin) sul progetto - Amministratore BigQuery (
roles/bigquery.admin) sul progetto - BigQuery Data Owner (
roles/bigquery.dataOwner) sul progetto
- BigQuery Data Policy Admin (
-
Collega o scollega una policy dei dati delle colonne in una tabella Apache Iceberg:
- BigLake Admin (
roles/biglake.admin) sulla tabella, sullo spazio dei nomi, sul catalogo o sul progetto - BigQuery Data Policy Admin (
roles/bigquerydatapolicy.admin) sul progetto contenente la policy dei dati
- BigLake Admin (
-
Crea, aggiorna, elenca o elimina una policy di accesso a livello di riga su una tabella Apache Iceberg:
- BigLake Admin (
roles/biglake.admin) sulla tabella, sullo spazio dei nomi, sul catalogo o sul progetto - Utente job BigQuery (
roles/bigquery.jobUser) sul progetto di query
- BigLake Admin (
-
Esegui una query su una tabella Apache Iceberg protetta da FGAC:
- BigLake Viewer (
roles/biglake.viewer) sulla tabella, sullo spazio dei nomi, sul catalogo o sul progetto - Utente job BigQuery (
roles/bigquery.jobUser) sul progetto di query
- BigLake Viewer (
Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.
Questi ruoli predefiniti contengono le autorizzazioni necessarie per configurare ed eseguire query sulla sicurezza a livello di riga e di colonna sulle tabelle Apache Iceberg. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:
Autorizzazioni obbligatorie
Per configurare ed eseguire query sulla sicurezza a livello di riga e di colonna sulle tabelle Apache Iceberg, sono necessarie le seguenti autorizzazioni:
-
Creare, aggiornare, eliminare o concedere l'accesso a una policy dei dati:
-
bigquery.dataPolicies.createsul progetto -
bigquery.dataPolicies.updatesulla policy dei dati -
bigquery.dataPolicies.deletesulla policy dei dati -
bigquery.dataPolicies.getsulla policy dei dati -
bigquery.dataPolicies.setIamPolicysulla policy dei dati -
bigquery.jobs.createsul progetto di query
-
-
Collega una policy dei dati a una colonna della tabella Apache Iceberg:
-
biglake.tables.setColumnDataPolicysulla tabella (o sullo spazio dei nomi suCREATE TABLE) -
biglake.tables.updatesul tavolo (obiglake.tables.createsuCREATE TABLE) -
bigquery.dataPolicies.getsulla policy dei dati -
bigquery.dataPolicies.attachsulla policy dei dati -
bigquery.jobs.createsul progetto di query
-
-
Scollega una policy di dati da una colonna della tabella Apache Iceberg:
-
biglake.tables.setColumnDataPolicysul tavolo -
biglake.tables.updatesul tavolo -
bigquery.jobs.createsul progetto di query
-
-
Crea o aggiorna una policy di accesso a livello di riga:
-
biglake.rowAccessPolicies.createsul tavolo -
biglake.rowAccessPolicies.updatesul tavolo -
biglake.rowAccessPolicies.setIamPolicysul tavolo -
biglake.tables.getDatasulla tabella di destinazione -
bigquery.jobs.createsul progetto di query
-
-
Elenca o visualizza le policy di accesso a livello di riga:
-
biglake.rowAccessPolicies.listsul tavolo -
biglake.rowAccessPolicies.getsul tavolo -
biglake.rowAccessPolicies.getIamPolicysul tavolo
-
-
Elimina una o tutte le policy di accesso a livello di riga:
-
biglake.rowAccessPolicies.deletesul tavolo -
biglake.rowAccessPolicies.setIamPolicysul tavolo -
biglake.rowAccessPolicies.listsulla tabella (quando vengono eliminate tutte le policy) -
bigquery.jobs.createsul progetto di query
-
-
Esegui una query su una tabella Apache Iceberg protetta da FGAC:
-
biglake.tables.getsul tavolo -
biglake.tables.getDatasul tavolo -
bigquery.jobs.createsul progetto di query
-
Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.
Oltre alle autorizzazioni IAM a livello di tabella, le policy granulari sulla tabella devono autorizzare anche le entità che eseguono query:
- Sicurezza a livello di colonna: all'entità deve essere concesso
FINE_GRAINED_READnell'elencogranteesdi unRAW_DATA_ACCESS_POLICY(per i valori non mascherati) o di unDATA_MASKING_POLICY(per i valori mascherati) collegato alla colonna su cui è stata eseguita la query. - Sicurezza a livello di riga: l'entità deve essere inclusa nel
grantee_listdi una policy di accesso a livello di riga sulla tabella, che concede automaticamente all'entità il ruoloroles/biglake.filteredDataViewergestito dal sistema. Questo ruolo contiene l'autorizzazionebiglake.rowAccessPolicies.getFilteredData.
Oltre alle autorizzazioni IAM a livello di tabella, le policy dettagliate sulla tabella devono concedere l'accesso anche alle entità che eseguono query:
- Sicurezza a livello di colonna: all'entità deve essere concesso
FINE_GRAINED_READnell'elencogranteesdi unRAW_DATA_ACCESS_POLICY(per i valori non mascherati) o di unDATA_MASKING_POLICY(per i valori mascherati) collegato alla colonna su cui è stata eseguita la query. - Sicurezza a livello di riga: l'entità deve essere inclusa nel
grantee_listdi una policy di accesso a livello di riga sulla tabella, che concede automaticamente all'entità il ruoloroles/biglake.filteredDataViewergestito dal sistema. Questo ruolo contiene l'autorizzazionebiglake.rowAccessPolicies.getFilteredData.
Configura la sicurezza a livello di colonna e il mascheramento dei dati
Puoi configurare controllo dell'accesso a livello di colonna e il mascheramento dinamico dei dati sulle tabelle Apache Iceberg nel catalogo di runtime di Lakehouse creando policy dei dati BigQuery e collegandole direttamente alle colonne della tabella utilizzando GoogleSQL DDL. Per ulteriori informazioni sui concetti generali e sulle definizioni delle regole di mascheramento, consulta Introduzione al mascheramento dei dati e Maschera i dati applicando policy dei dati a una colonna.
Crea policy dei dati
Una policy dei dati definisce una regola di mascheramento dei dati (DATA_MASKING_POLICY) o l'accesso ai dati non elaborati in chiaro (RAW_DATA_ACCESS_POLICY). Puoi creare policy dei dati utilizzando GoogleSQL DDL o l'API BigQuery Data Policy v2.
A seconda del caso d'uso, esegui una delle seguenti istruzioni:
Per creare una policy dei dati con un'espressione di mascheramento predefinita (ad esempio
SHA256oALWAYS_NULL), esegui l'istruzioneCREATE DATA_POLICY:CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME` OPTIONS ( data_policy_type = "DATA_MASKING_POLICY", masking_expression = "SHA256" );Per creare una policy di accesso ai dati non elaborati che autorizzi le entità a leggere i valori delle colonne in chiaro, imposta
data_policy_typesuRAW_DATA_ACCESS_POLICY:CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME` OPTIONS ( data_policy_type = "RAW_DATA_ACCESS_POLICY" );
Sostituisci quanto segue:
PROJECT_ID: l'ID progetto Google Cloud.LOCATION: la località regionale o multiregionale della policy dei dati (ad esempiousous-central1).MASKING_POLICY_NAME: un nome univoco per la policy di mascheramento dei dati.RAW_POLICY_NAME: un nome univoco per la policy di accesso ai dati non elaborati.
Concedi o revoca l'accesso in lettura granulare
Quando applichi le policy relative ai dati direttamente alle colonne, l'elenco grantees nella policy relativa ai dati controlla l'accesso in lettura al momento della query. In GoogleSQL, concedi o revochi il privilegio FINE_GRAINED_READ sulla policy dei dati:
- La concessione di
FINE_GRAINED_READsu unDATA_MASKING_POLICYfornisce all'entità l'accesso in lettura mascherato alle colonne protette dalla policy. - La concessione di
FINE_GRAINED_READsu unRAW_DATA_ACCESS_POLICYconsente all'entità l'accesso in lettura non mascherato (non elaborato) alle colonne protette dalla policy.
- Utente:
principal://goog/subject/USER_EMAIL - Service account:
principal://iam.googleapis.com/projects/-/serviceAccounts/SA_EMAIL - Gruppo Google:
principalSet://goog/group/GROUP_EMAIL
Per gestire l'accesso in lettura granulare in una policy dei dati, esegui una delle seguenti istruzioni:
Per concedere l'accesso in lettura granulare alle entità su una policy dei dati, esegui l'istruzione GRANT
FINE_GRAINED_READ:
GRANT FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.DATA_POLICY_NAME`
TO "principal://goog/subject/USER_EMAIL",
"principalSet://goog/group/GROUP_EMAIL";
Per revocare l'accesso in lettura granulare a un'entità, esegui l'istruzione REVOKE
FINE_GRAINED_READ:
REVOKE FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.DATA_POLICY_NAME`
FROM "principal://goog/subject/USER_EMAIL";
Sostituisci quanto segue:
PROJECT_ID: il tuo ID progetto Google Cloud .LOCATION: la località multiregione della policy dei dati.DATA_POLICY_NAME: il nome della policy di mascheramento dei dati o di accesso ai dati non elaborati.USER_EMAIL: l'indirizzo email dell'account utente.GROUP_EMAIL: l'indirizzo email del gruppo Google.
Collega le policy dei dati alle colonne con il DDL P.C.N.T
Collega le policy dei dati alle colonne della tabella Apache Iceberg nel catalogo di runtime Lakehouse utilizzando il formato in quattro parti P.C.N.T (PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME)
identifier. A seconda del caso d'uso, esegui una delle seguenti istruzioni:
Per collegare le policy relative ai dati a una colonna esistente aggiungendo (
+=) all'opzionedata_policiesdella colonna, esegui l'istruzioneALTER TABLE ... ALTER COLUMN SET OPTIONS:ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` ALTER COLUMN COLUMN_NAME SET OPTIONS ( data_policies += ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}", "{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"] );Per aggiungere una nuova colonna con una policy dei dati collegata, esegui l'istruzione
ALTER TABLE ... ADD COLUMN:ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` ADD COLUMN COLUMN_NAME STRING OPTIONS ( data_policies = ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}"] );Per creare una nuova tabella Apache Iceberg con policy dei dati delle colonne associate, esegui l'istruzione
CREATE TABLE:CREATE TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` ( id INT64, COLUMN_NAME STRING OPTIONS ( data_policies = ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}", "{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"] ) );
Sostituisci quanto segue:
PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: l'identificatore P.C.N.T in quattro parti della tabella Apache Iceberg.COLUMN_NAME: il nome della colonna da proteggere.LOCATION: la località multiregione della policy dei dati.MASKING_POLICY_NAMEeRAW_POLICY_NAME: i nomi delle policy dei dati da collegare.
Scollega o sostituisci le policy dei dati delle colonne
Per rimuovere o sostituire le policy dei dati in una colonna di una tabella Apache Iceberg, utilizza una delle seguenti istruzioni con l'identificatore della tabella P.C.N.T in quattro parti:
Per rimuovere tutte le policy dei dati da una colonna, imposta
data_policiessu un array vuoto ([]):ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` ALTER COLUMN COLUMN_NAME SET OPTIONS ( data_policies = [] );Per sostituire le policy dei dati esistenti in una colonna con un nuovo elenco, utilizza l'operatore
=anziché l'operatore+=:ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` ALTER COLUMN COLUMN_NAME SET OPTIONS ( data_policies = ["{'name':'PROJECT_ID.region-LOCATION.NEW_POLICY_NAME'}"] );Per eliminare una policy dei dati dopo averla scollegata da tutte le colonne della tabella che vi fanno riferimento, esegui l'istruzione
DROP DATA_POLICY:DROP DATA_POLICY IF EXISTS `PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME`;
Sostituisci quanto segue:
PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: l'identificatore P.C.N.T in quattro parti della tabella Apache IcebergCOLUMN_NAME: il nome della colonnaLOCATION: la località (regione o multiregione) della policy dei datiNEW_POLICY_NAMEeMASKING_POLICY_NAME: i nomi delle policy relative ai dati da collegare o eliminare.
Configura la sicurezza a livello di riga
Puoi limitare l'accesso a righe specifiche in una tabella Apache Iceberg gestita dal catalogo di runtime di Lakehouse creando policy di accesso a livello di riga con istruzioni DDL GoogleSQL che utilizzano l'identificatore della tabella P.C.N.T in quattro parti. Per saperne di più sui concetti generali della sicurezza a livello di riga e sulla semantica dei filtri, consulta Utilizza la sicurezza a livello di riga.
Crea o aggiorna una policy di accesso a livello di riga
Quando configuri la sicurezza a livello di riga su una tabella, crea una policy con una clausola FILTER
USING (TRUE) per gli amministratori e i service account writer che necessitano dell'accesso completo alle righe, quindi crea policy filtrate per gruppi di utenti specifici.
Concedi l'accesso completo alle righe (
FILTER USING (TRUE)) agli amministratori delle tabelle o ai service account writer:CREATE OR REPLACE ROW ACCESS POLICY ADMIN_POLICY_NAME ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` GRANT TO ("group:ADMIN_GROUP_EMAIL") FILTER USING (TRUE);Crea una policy di accesso a livello di riga che filtra le righe in base a un'espressione di predicato:
CREATE OR REPLACE ROW ACCESS POLICY FILTER_POLICY_NAME ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` GRANT TO ("user:USER_EMAIL", "group:ANALYST_GROUP_EMAIL") FILTER USING (FILTER_EXPRESSION);Sostituisci quanto segue:
ADMIN_POLICY_NAMEeFILTER_POLICY_NAME: nomi univoci per le policy di accesso a livello di riga della tabella.PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: l'identificatore P.C.N.T in quattro parti della tabella Apache Iceberg.ADMIN_GROUP_EMAIL,USER_EMAILeANALYST_GROUP_EMAIL: gli indirizzi email dei gruppi Google o degli utenti a cui è stato concesso l'accesso alle righe.FILTER_EXPRESSION: un'espressione di filtro booleana valutata come una clausolaWHERE(ad esempio,region = 'APAC').
Elimina le policy di accesso a livello di riga
Per rimuovere le policy di accesso a livello di riga da una tabella Apache Iceberg, esegui una delle seguenti istruzioni:
Per eliminare una policy di accesso a livello di riga specifica quando nella tabella rimangono altre policy di accesso a livello di riga, esegui l'istruzione
DROP ROW ACCESS POLICY:DROP ROW ACCESS POLICY IF EXISTS FILTER_POLICY_NAME ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;Per eliminare l'ultima policy di accesso a livello di riga rimanente o tutte le policy di accesso a livello di riga della tabella, esegui l'istruzione
DROP ALL ROW ACCESS POLICIES:DROP ALL ROW ACCESS POLICIES ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;
Sostituisci quanto segue:
FILTER_POLICY_NAME: il nome della policy di accesso a livello di riga da eliminare.PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: l'identificatore P.C.N.T in quattro parti della tabella Apache Iceberg
Esegui una query su una tabella protetta da FGAC in BigQuery
Quando un'entità esegue una query su una tabella Apache Iceberg protetta da FGAC in BigQuery utilizzando l'identificatore P.C.N.T in quattro parti, BigQuery valuta le policy a livello di riga e di colonna al momento della query:
- Valutazione a livello di riga: le entità nel
grantee_listdi una o più policy di accesso a livello di riga vedono l'unione delle righe corrispondenti ai predicatifilter_expressiondi queste policy. Le entità non incluse in nessuna policy di accesso a livello di riga della tabella non vedono alcuna riga. - Valutazione a livello di colonna:
- Le entità a cui è stato concesso
FINE_GRAINED_READsu unRAW_DATA_ACCESS_POLICYcollegato a una colonna vedono i dati in chiaro (non elaborati). - Le entità a cui è stato concesso
FINE_GRAINED_READsu unDATA_MASKING_POLICY(e non su unRAW_DATA_ACCESS_POLICYper quella colonna) visualizzano i dati mascherati. Se a una colonna si applicano più policy di mascheramento per la stessa entità, BigQuery seleziona la regola in base alla gerarchia delle regole di mascheramento dei dati. - Le entità a cui non è stato concesso
FINE_GRAINED_READsu una policy dei dati collegata a una colonna protetta ricevono un erroreAccess Deniedquando eseguono query su quella colonna. Queste entità possono comunque eseguire query sulle colonne non protette in modo esplicito o utilizzareSELECT * EXCEPT(PROTECTED_COLUMN).
- Le entità a cui è stato concesso
Ad esempio, la seguente query restituisce righe e valori di colonna in base alle policy del chiamante:
SELECT id, COLUMN_NAME
FROM `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;
Sostituisci quanto segue:
COLUMN_NAME: il nome della colonna su cui eseguire la query.PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: l'identificatore P.C.N.T in quattro parti della tabella Apache Iceberg.
Configura le credenziali del motore open source per le tabelle protette da FGAC
Quando un motore di query open source (come Apache Spark, Trino o Apache Flink) legge o scrive in una tabella Apache Iceberg in un catalogo configurato con la modalità di distribuzione delle credenziali, il motore chiama l'endpoint del catalogo REST Apache Iceberg per ottenere credenziali Cloud Storage di breve durata e con ambito ridotto.
Poiché l'accesso diretto ai file di Cloud Storage bypassa la valutazione delle policy in fase di query in BigQuery, l'endpoint del catalogo REST Apache Iceberg applica un guardrail di distribuzione delle credenziali. La protezione restituisce un codice di stato HTTP 403 Forbidden quando un'entità richiede le credenziali di archiviazione per una tabella protetta da FGAC, a meno che l'entità non abbia accesso completo alla tabella:
- Accesso ai dati in chiaro (non elaborati) per tutte le colonne protette: a ogni colonna protetta della tabella deve essere associato anche un
RAW_DATA_ACCESS_POLICY. Concedi all'entità chiamante il privilegioFINE_GRAINED_READsuRAW_DATA_ACCESS_POLICY. - Accesso alle righe non filtrate (tutte le righe): se alla tabella sono associati criteri di accesso a livello di riga, concedi all'entità chiamante un criterio di accesso a livello di riga con una clausola
FILTER USING (TRUE).
Concedi l'accesso completo a un account di servizio writer del motore open source
Un account di servizio che esegue job di motori open source, come i job in Managed Service for Apache Spark o Dataflow, deve avere accesso completo alla tabella per ottenere le credenziali vendute per una tabella Apache Iceberg protetta da FGAC. Per concedere questo accesso, completa i seguenti passaggi in BigQuery:
Concedi l'accesso ai dati non elaborati (
RAW_DATA_ACCESS_POLICY) su tutte le colonne protette: collega unRAW_DATA_ACCESS_POLICYa ogni colonna protetta della tabella, quindi concedi il privilegioFINE_GRAINED_READall'account di servizio utilizzando il relativo identificatore dell'entità IAM v2,principal://IAM.googleapis.com/projects/-/serviceAccounts/SA_EMAIL:-- 1. Create a raw data access policy (if not already created) CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME` OPTIONS ( data_policy_type = "RAW_DATA_ACCESS_POLICY" ); -- 2. Grant FINE_GRAINED_READ on the raw data access policy to the writer service account GRANT FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME` TO "principal://iam.googleapis.com/projects/-/serviceAccounts/WRITER_SA_EMAIL"; -- 3. Attach the raw data access policy to each protected column on the table ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` ALTER COLUMN COLUMN_NAME SET OPTIONS ( data_policies += ["{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"] );Concedi una policy di accesso a tutte le righe se è abilitata la sicurezza a livello di riga: se la tabella ha policy di accesso a livello di riga, concedi al account di servizio una policy di accesso a livello di riga con una clausola
FILTER USING (TRUE):CREATE OR REPLACE ROW ACCESS POLICY WRITER_ROW_POLICY_NAME ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` GRANT TO ("serviceAccount:WRITER_SA_EMAIL") FILTER USING (TRUE);
Sostituisci quanto segue:
PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: l'identificatore P.C.N.T in quattro parti della tabella Apache IcebergLOCATION: la località (regione o multiregione) della policy dei datiRAW_POLICY_NAME: il nome della policy di accesso ai dati non elaboratiCOLUMN_NAME: il nome di ogni colonna protetta della tabellaWRITER_ROW_POLICY_NAME: un nome univoco per la policy di accesso a livello di riga per l'autoreWRITER_SA_EMAIL: l'indirizzo email del account di servizio che chiama l'endpoint del catalogo REST Apache Iceberg, ad esempiospark-writer-sa@PROJECT_ID.iam.gserviceaccount.com.
Passaggi successivi
- Consulta la sezione Modalità di distribuzione delle credenziali.
- Scopri come gestire gli ACL di cataloghi, spazi dei nomi e tabelle.
- Consulta le policy dei dati sulle colonne in BigQuery.
- Consulta la sezione Sicurezza a livello di riga in BigQuery.