Kyuubi项目Hive跨集群读写Kerberos认证问题解析
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:
-
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。
-
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。
-
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:
-
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。
-
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:
- 客户端首先向KDC获取TGT(Ticket Granting Ticket)
- 使用TGT获取服务票据(Service Ticket)
- 使用服务票据访问具体服务
在跨集群场景下,Spark需要:
- 为每个需要访问的HDFS集群获取独立的服务票据
- 确保这些票据能够在所有执行节点上可用
- 正确处理票据的更新和续期
最佳实践建议
- 对于生产环境,推荐使用keytab方式提交作业,更加稳定可靠
- 确保所有涉及的HDFS集群地址都正确配置在spark.kerberos.access.hadoopFileSystems中
- 定期更新keytab文件,避免票据过期导致作业失败
- 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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









