Crittografia modulare Parquet in Hive - Amazon EMR
Esempi di utilizzo

Crittografia modulare Parquet in Hive

La crittografia modulare Parquet fornisce il controllo e la crittografia degli accessi a livello di colonna per migliorare la privacy e l'integrità dei dati archiviati nel formato di file Parquet. Questa funzionalità è disponibile in Amazon EMR Hive a partire dal rilascio 6.6.0.

Le soluzioni di sicurezza e integrità supportate in precedenza, che includono la crittografia dei file o la crittografia del livello di archiviazione, sono descritte in Opzioni di crittografia nella Guida alla gestione di Amazon EMR. Queste soluzioni possono essere utilizzate per i file Parquet, ma sfruttando le nuove funzionalità del meccanismo di crittografia integrato Parquet fornisce un accesso granulare a livello di colonna, oltre a miglioramenti in termini di prestazioni e sicurezza. Scopri di più su questa funzionalità nella pagina github di Apache Crittografia modulare Parquet.

Gli utenti trasmettono le configurazioni a lettori e scrittori Parquet utilizzando configurazioni Hadoop. Le configurazioni dettagliate per consentire agli utenti di configurare lettori e scrittori per abilitare la crittografia e attivare le funzionalità avanzate sono documentate in PARQUET-1854: Properties-driven Interface to Parquet Encryption Management

Esempi di utilizzo

L'esempio seguente illustra la creazione e la scrittura su una tabella Hive che utilizza AWS KMS per la gestione delle chiavi di crittografia.

  1. Implementa un KmsClient per il servizio AWS KMS come descritto nel documento PARQUET-1373: Encryption Key Management Tools. L'esempio seguente mostra un frammento di implementazione.

    package org.apache.parquet.crypto.keytools;

import com.amazonaws.AmazonClientException;
import com.amazonaws.AmazonServiceException;
import com.amazonaws.regions.Regions;
import com.amazonaws.services.kms.AWSKMS;
import com.amazonaws.services.kms.AWSKMSClientBuilder;
import com.amazonaws.services.kms.model.DecryptRequest;
import com.amazonaws.services.kms.model.EncryptRequest;
import com.amazonaws.util.Base64;
import org.apache.hadoop.conf.Configuration;
import org.apache.parquet.crypto.KeyAccessDeniedException;
import org.apache.parquet.crypto.ParquetCryptoRuntimeException;
import org.apache.parquet.crypto.keytools.KmsClient;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.nio.ByteBuffer;
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;

public class AwsKmsClient implements KmsClient {

    private static final AWSKMS AWSKMS_CLIENT = AWSKMSClientBuilder
            .standard()
            .withRegion(Regions.US_WEST_2)
            .build();
    public static final Logger LOG = LoggerFactory.getLogger(AwsKmsClient.class);

    private String kmsToken;
    private Configuration hadoopConfiguration;

    @Override
    public void initialize(Configuration configuration, String kmsInstanceID, String kmsInstanceURL, String accessToken) throws KeyAccessDeniedException {
        hadoopConfiguration = configuration;
        kmsToken = accessToken;

    }

    @Override
    public String wrapKey(byte[] keyBytes, String masterKeyIdentifier) throws KeyAccessDeniedException {
        String value = null;
        try {
            ByteBuffer plaintext = ByteBuffer.wrap(keyBytes);

            EncryptRequest req = new EncryptRequest().withKeyId(masterKeyIdentifier).withPlaintext(plaintext);
            ByteBuffer ciphertext = AWSKMS_CLIENT.encrypt(req).getCiphertextBlob();

            byte[] base64EncodedValue = Base64.encode(ciphertext.array());
            value = new String(base64EncodedValue, Charset.forName("UTF-8"));
        } catch (AmazonClientException ae) {
            throw new KeyAccessDeniedException(ae.getMessage());
        }
        return value;
    }

    @Override
    public byte[] unwrapKey(String wrappedKey, String masterKeyIdentifier) throws KeyAccessDeniedException {
        byte[] arr = null;
        try {
            ByteBuffer ciphertext  = ByteBuffer.wrap(Base64.decode(wrappedKey.getBytes(StandardCharsets.UTF_8)));
            DecryptRequest request = new DecryptRequest().withKeyId(masterKeyIdentifier).withCiphertextBlob(ciphertext);
            ByteBuffer decipheredtext = AWSKMS_CLIENT.decrypt(request).getPlaintext();
            arr = new byte[decipheredtext.remaining()];
            decipheredtext.get(arr);
        } catch (AmazonClientException ae) {
            throw new KeyAccessDeniedException(ae.getMessage());
        }
        return arr;
    }
}

  2. Crea le tue chiavi di crittografia AWS KMS per il piè di pagina e le colonne con i tuoi ruoli IAM che hanno accesso, come descritto in Creazione di chiavi nella Guida per gli sviluppatori di AWS Key Management Service. Il ruolo IAM predefinito è EMR_ECS_default.

  3. Nell'applicazione Hive su un cluster Amazon EMR, aggiungi il client precedente utilizzando l'istruzione ADD JAR, come descritto in Risorse Apache Hive. Di seguito è mostrato un esempio di istruzione della policy:

    ADD JAR 's3://location-to-custom-jar';

    Un metodo alternativo consiste nell'aggiungere il JAR ad auxlib of Hive utilizzando un'azione bootstrap. Di seguito è riportato un esempio di riga da aggiungere all'azione boostrap:

    aws s3 cp 's3://location-to-custom-jar' /usr/lib/hive/auxlib

  4. Imposta le seguenti configurazioni:

    set parquet.crypto.factory.class=org.apache.parquet.crypto.keytools.PropertiesDrivenCryptoFactory;
set parquet.encryption.kms.client.class=org.apache.parquet.crypto.keytools.AwsKmsClient;

  5. Crea una tabella Hive in formato Parquet e specifica le chiavi AWS KMS in SERDEPROPERTIES e inserisci alcuni dati:

    CREATE TABLE my_table(name STRING, credit_card STRING)
ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe’
WITH SERDEPROPERTIES (
  'parquet.encryption.column.key’=<aws-kms-key-id-for-column-1>: credit_card’,
  'parquet.encryption.footer.key’='<aws-kms-key-id-for-footer>’)
STORED AS parquet
LOCATION “s3://<bucket/<warehouse-location>/my_table”;

INSERT INTO my_table SELECT 
java_method ('org.apache.commons.lang.RandomStringUtils','randomAlphabetic',5) as name,
java_method ('org.apache.commons.lang.RandomStringUtils','randomAlphabetic',10) as credit_card
from (select 1) x lateral view posexplode(split(space(100),' ')) pe as i,x;

select * from my_table;

  6. Verifica che quando crei una tabella esterna nella stessa posizione senza accesso alle chiavi AWS KMS (ad esempio, accesso al ruolo IAM negato), non sia possibile leggere i dati.

    CREATE EXTERNAL TABLE ext_table (name STRING, credit_card STRING)
ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe’
STORED AS parquet
LOCATION “s3://<bucket>/<warehouse-location>/my_table”;

SELECT * FROM ext_table;

  7. L'ultima istruzione dovrebbe generare la seguente eccezione:

    Failed with exception java.io.IOException:org.apache.parquet.crypto.KeyAccessDeniedException: Footer key: access denied