Cómo usar Ranger con almacenamiento en caché y reducción de alcance

Habilita el almacenamiento en caché

En esta sección, se enumeran los pasos para habilitar el almacenamiento en caché con Ranger a fin de reducir las idas y vueltas del Sistema de administración de claves (KMS) de Ranger para encriptar y desencriptar tokens.

Instala memcached en las VM del clúster de Dataproc. De forma predeterminada, el servidor de Memcached se inicia en el puerto 11211 de la VM (localhost:11211).
```
sudo apt-get install -y memcached
```

Establece las siguientes propiedades en el archivo de configuración /etc/dataproc-ranger-gcs-plugin/conf/ranger-gcs-site.xml de Ranger en las VM del clúster de Dataproc.

<property>
<name>authorization.service.remoteCaching.address</name>
<value>localhost:11211</value>
</property>

<property>
<name>authorization.service.remoteCaching.class</name>
<value>com.google.cloud.hadoop.ranger.gcs.authorization.caching.MemcachedCache</value>
</property>

<property>
<name>authorization.service.remoteCaching.encryption.key.uri</name>
<value>gcp-kms://projects/PROJECT_ID_OF_KMS_KEY/locations/REGION/keyRings/KEYRING_NAME/cryptoKeys/KEY_NAME</value>
</property>

Reinicia el servicio de autorización.

sudo systemctl restart ranger-gcs-plugin-authorization-server

Ver el estado de la caché

Puedes usar telnet para ver el estado de la caché de Ranger.

Instala telnet.
```
sudo apt-get install -y telnet
```
Usa Telnet para conectarte a memcache en el puerto 11211 de la VM.
```
sudo telnet 127.0.0.1 11211
```

Usa los comandos telnet para ver el estado de la caché, incluidos los siguientes comandos:

stats items: Detalla el estado de los elementos almacenados en caché. Resultado de muestra:

STAT items:17:number 2
STAT items:17:number_hot 0
STAT items:17:number_warm 0
STAT items:17:number_cold 2

stats cachedump: Enumera las claves almacenadas en caché. Resultado de muestra:

stats cachedump 17 2
ITEM 0616eeeeb54e23a09505da5bf75cd7fafe733eacf0d07bd7b1ac9cf46d17c188 [3051 b; 1707948281 s]
ITEM d23645df9c79290d59ddb1b9710ff04fee37aa0b5de866b9b6d56b54641d68b4 [3078 b; 1707948281 s]

flush_all: invalida los elementos de caché.

Disminuye el alcance de los tokens de acceso de Cloud Storage

Es posible que debas disminuir el alcance de los tokens de acceso de Ranger para aumentar (aumentar el alcance) las rutas de acceso de Cloud Storage a las que apunta una tabla de Hive externa.

Para mover todas las particiones y subparticiones al nivel de la tabla, configura la propiedad downscope.table.partition-name.pruning.enabled como true en el archivo de configuración ranger-gcs-site.xml en las VM del clúster de Dataproc.

<property>
  <name>downscope.table.partition-name.pruning.enabled</name>
  <value>true</value>
</property>

Ejemplo:

Nombre del bucket de Cloud Storage: gs://warehouse
Ruta del token de acceso original: warehouse/hive/table/type=debit/year=2017/month=Aug/day=01/
Después de configurar downscope.table.partition-name.pruning.enabled como true, la ruta de acceso del token de acceso con alcance aumentado: warehouse/hive/table/