Apache Kyuubi 权限控制优化:INSERT 操作应检查表级 UPDATE 权限
2025-07-03 03:32:16作者:瞿蔚英Wynne
在 Apache Kyuubi 项目中,近期发现了一个关于权限控制的优化点。当前系统在执行 INSERT INTO 语句时,会检查用户对表中各列的 UPDATE 权限,而实际上更合理的做法应该是检查用户对整张表的 UPDATE 权限。
现状分析
目前 Kyuubi 的权限控制机制在处理 INSERT 语句时,会针对插入操作涉及的每一列进行 UPDATE 权限检查。例如当执行 insert into test values(1) 时,系统会返回错误信息:"user [xxx] does not have [update] privilege on [database=testdb/table=test/column=id]"。
这种实现方式存在两个主要问题:
- 从语义上讲,INSERT 操作是对整张表的数据插入,而非针对特定列的更新
- 权限检查粒度过于细致,可能导致不必要的权限管理复杂度
行业实践对比
经过对其他主流数据库系统的调研发现:
- Hive:检查表级 UPDATE 权限,错误信息为:"Permission denied: user does not have [UPDATE] privilege on [database/table]"
- Trino:同样检查表级权限,返回错误:"Access Denied: Cannot insert into table [table_name]"
这些主流系统的实现都采用了表级权限检查的方式,这验证了表级权限检查是更合理的设计选择。
技术实现建议
建议修改 Kyuubi 的权限控制逻辑,将 INSERT 操作的权限检查从列级调整为表级。这种修改将带来以下优势:
- 更符合SQL语义:INSERT 操作本质上是向表中添加新记录,而非修改现有数据
- 简化权限管理:减少管理员需要维护的权限条目数量
- 提高一致性:与其他数据库系统的行为保持一致,降低用户的学习成本
- 性能优化:减少权限检查的次数,特别是对于包含多列的插入操作
实施影响评估
这一改动属于权限控制层面的优化,主要影响包括:
- 向后兼容性:现有已授予列级 UPDATE 权限的用户需要额外获得表级权限
- 安全影响:权限控制粒度变粗,但仍在合理范围内
- 性能影响:预期会减少权限检查开销
建议在版本发布说明中明确这一变更,提醒管理员检查并调整相关权限设置。
总结
权限控制是数据库系统安全性的重要组成部分。通过将 Kyuubi 中 INSERT 操作的权限检查从列级调整为表级,可以使系统更加符合行业标准实践,同时简化权限管理复杂度。这一优化已经在社区达成共识,并即将通过代码提交实现。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868