首页
/ Kyuubi项目Hive跨集群读写Kerberos认证问题解析

Kyuubi项目Hive跨集群读写Kerberos认证问题解析

2025-07-04 09:50:55作者:乔或婵

问题背景

在Kyuubi项目中,当用户尝试在两个启用了Kerberos认证的Hive集群之间进行跨集群读写操作时,遇到了认证失败的问题。具体表现为:在本地模式下运行Spark Shell时可以正常读写数据,但当提交到YARN集群运行时却出现AccessControlException异常,提示"Client cannot authenticate via:[TOKEN, KERBEROS]"。

问题现象

用户配置了两个Hive集群,并已建立Kerberos互信机制。在本地模式下使用如下配置启动Spark Shell时,可以成功查询数据:

spark-shell --master local[*] \
    --conf "spark.sql.catalogImplementation=hive" \
    --conf "spark.sql.catalog.reader_catalog=org.apache.kyuubi.spark.connector.hive.HiveTableCatalog" \
    # 其他HDFS和Hive相关配置...

但当相同的代码提交到YARN集群运行时,却抛出认证异常,无法访问目标HDFS集群。

问题原因分析

这个问题主要源于YARN集群环境下Kerberos认证机制的差异:

  1. 本地模式与集群模式的区别:在本地模式下,Spark进程直接使用用户的Kerberos凭证进行认证;而在YARN集群模式下,任务会在不同的节点上执行,需要额外的配置来确保Kerberos凭证能够正确传播。

  2. Hadoop安全机制:跨集群访问时,Spark需要明确知道需要访问哪些HDFS集群,以便获取相应的Kerberos票据。

  3. 认证方式限制:错误信息显示客户端无法通过TOKEN或KERBEROS方式认证,表明系统未能正确获取或使用Kerberos票据。

解决方案

针对这个问题,Kyuubi社区提供了两种解决方案:

  1. 配置spark.kerberos.access.hadoopFileSystems参数: 这个参数需要列出所有需要访问的HDFS集群地址,例如:

    --conf "spark.kerberos.access.hadoopFileSystems=hdfs://cluster-a,hdfs://cluster-b"
    

    这样Spark就能知道需要为哪些HDFS集群获取Kerberos票据。

  2. 使用keytab方式提交Spark应用: 通过指定principal和keytab文件来提交作业,确保所有节点都能使用相同的凭证:

    spark-shell --principal <principal> --keytab <keytab_path> ...
    

技术原理深入

Kerberos在分布式环境中的认证流程:

  1. 客户端首先向KDC获取TGT(Ticket Granting Ticket)
  2. 使用TGT获取服务票据(Service Ticket)
  3. 使用服务票据访问具体服务

在跨集群场景下,Spark需要:

  1. 为每个需要访问的HDFS集群获取独立的服务票据
  2. 确保这些票据能够在所有执行节点上可用
  3. 正确处理票据的更新和续期

最佳实践建议

  1. 对于生产环境,推荐使用keytab方式提交作业,更加稳定可靠
  2. 确保所有涉及的HDFS集群地址都正确配置在spark.kerberos.access.hadoopFileSystems中
  3. 定期更新keytab文件,避免票据过期导致作业失败
  4. 在YARN配置中设置适当的票据更新间隔

总结

Kyuubi项目在跨Kerberos认证的Hive集群间进行数据读写时,需要特别注意认证凭证的传播和配置。通过合理配置spark.kerberos.access.hadoopFileSystems参数或使用keytab提交方式,可以有效解决这类认证问题。这体现了在安全认证环境下进行跨集群数据访问时,凭证管理和传播机制的重要性。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (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
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8