在 Apache Hadoop 中使用 Rhino 项目进行数据加密－Steven Ross 专访

Cloudera最近发布了一条关于Rhino 项目和Apache Hadoop中静态数据（data at-rest）加密的新闻。Rhino 项目是由 Cloudera、Intel 和 Hadoop 社区合力打造的一个项目。这个项目旨在为数据保护提供一个全面的安全框架。

Hadoop 中的数据加密有两方面：静态数据，存在持久存储器上的数据，如硬盘；传输数据，数据从一个进程或系统传输到另一个进程或系统。大部分 Hadoop 组件提供了对传输数据加密的功能，但是不支持对静态数据进行加密。安全监管机构，如 HIPAA、PCI DSS 和 FISMA，也提倡要注意数据保护和加密。

Rhino 项目为HBase 0.98贡献了关键的安全特性。它提供了数据单元（cell）级别的加密和细粒度访问权限控制的功能。

InfoQ 最近和 Cloudera 安全部门的产品经理Steven Ross进行了交谈，了解到了 Rhino 项目的更多信息。

InfoQ：Rhino 项目是何时启动的？这个项目的目标是什么？

Steven Ross：为了推动一个全面的、用于 Apache Hadoop 数据保护的安全框架的开发，Intel 在 2013 年早期发起了 Rhino 项目的倡议，并为项目制定了几个大目标：

• 利用硬件提升加密性能
• 为 Hadoop 支持企业级认证和单点登录服务
• 为 Hadoop 提供基于角色的访问权限控制功能，并在 HBase 中支持数据单元粒度的权限控制
• 确保对 Apache Hadoop 重要组件的一致性审查

InfoQ：Rhino 项目是一个综合性项目。Apache Sentry 也被包含在 Rhino 项目中。Rhino 包含了哪些不同的子项目，能请你分享一些这些项目的细节吗？

SR：在 2013 年的夏天，Cloudera 发布的开源软件成为 Apache Sentry 项目（孵化中）的基础。这个项目得到了 Oracle、IBM 和 Intel 工程师们的鼎力相助。Apache Sentry 为 Hadoop 集群的数据和元数据提供了细粒度的认证支持，并且已经被一些大型企业部署在产品中。

Cloudera 和 Intel 有着战略伙伴关系。来自两个团队的安全架构师和工程师都已重申了加速对 Apache Hadoop 安全功能开发的承诺。为 Apache Hadoop 开发出更健壮的认证机制，Rhino 项目和 Apache Sentry 的目标是完全一致的。两家公司的安全专家的成果已经被合并在一起，并且他们现在在这两个项目上都有投入。

InfoQ：Apache Sentry 是个什么样的项目？

SR：Apache Sentry（孵化中）是一个高度模块化的系统。它为存储在 Apache Hadoop 集群中的数据和元数据提供了细粒度的、基于角色的认证功能。

Hadoop 生态圈中的项目有着各自不同的、需要单独配置的认证系统。Hadoop 的灵活性使得生态圈中不同的项目（如 Hive、Solr、MapReduce，Pig）能访问相同的数据。由于每个项目的认证配置都是独立的，管理员很可能在企图保证策略一致的情况下得到不一致的、相重叠的策略。

Sentry 提供了一套集中的策略。这套策略能被应用于许多不同的访问途径。通过这个方法，Sentry 解决了这个 IT 管理和安全上的挑战。因此，IT 管理员能够对数据集进行权限设置。并且知道无论通过何种途径访问数据，这些权限控制都会得到一致地执行。

Sentry 的技术细节：

Sentry 通过一组特权，如 SELECT 和 INSERT，控制着对 Hive Metastore 中每个 schema 对象的访问。schema 对象是数据管理中常见的实体，例如 SERVER、DATABASE、TABLE、COLUMN 和 URI，也就是 HDFS 中文件的位置。Cloudera Search 有它自己的一组特权（如 QUERY）和对象（如 COLLECTION）。

和 IT 团队已经熟悉的其他 RBAC 系统一样，Sentry 提供了：

• 有层次结构的对象，自动地从上层对象继承权限；
• 包含了一组多个对象 / 权限对的规则；
• 用户组可以被授予一个或多个角色；
• 用户可以被指定到一个或多个用户组中。

Sentry 通常被配制成默认不允许访问服务和数据。因此，在被划分到设有指定访问角色的用户组之前，用户只有有限的权限访问系统。

InfoQ：什么是高级加密标准新指令（Advanced Encryption Standard New Instructions，AES-NI）？它和 Rhino 项目有什么关系？

SR：Intel AES-NI 是 Intel Xeon 处理器系列和 Intel Core 处理器系列中新的加密指令集。它对高级加密标准（AES）算法进行了改进，并提高了数据的加密速度。

当启用加密时，企业主要关心的是 CPU 所需的“开销”。这些“开销”会导致数据的存储和获取操作变慢。AES-NI 将加密处理的工作交由专门的硬件负责。这个硬件能够更快地完成加密和解密操作，从而减小 CPU 的负载。

AES-NI 对 Rhino 项目中那些加密子项目的成功起到了重要的作用。然而并没有要求使用 HDFS 加密的 Hadoop 用户必须使用 Intel 芯片或者 AES-NI。尽管这些技术确实能在开启加密时改善加密 / 解密的性能，降低对系统性能的影响。

InfoQ：Rihno 项目未来的路线图是什么样的？

SR：下一步，Rhino 项目的大目标很可能保持不变。而其下的子项目（这些子项目通常会以两种形式存在，Apache 项目或者已存在项目中的一些 JIRA）有可能会逐步发展。在达到 HBase 细粒度安全（如上所述）的里程碑后，另两个子项目当前正在势头上：

• HDFS 静态数据的加密。
• 统一认证：致力于提供一套强制执行的访问策略，且不关心用户访问数据的方式，不论是 Hive、MapReduce 或其他访问途径。这项工作正在通过 Apache Sentry 项目完成。

所有集成工作已经完成，整个解决方案的测试和文档编写工作也已全面完成。

Rhino 项目实现了 Apache Hadoop（以及其他相关的 Apahce 项目）一部分的子项目。CDH捆绑了 Apache Hadoop 和生态圈中其他相关的项目。

查看英文原文：Data Encryption in Apache Hadoop with Project Rhino - Q&A with Steven Ross

感谢赵震一对本文的审校。

给 InfoQ 中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（@InfoQ）或者腾讯微博（@InfoQ）关注我们，并与我们的编辑和其他读者朋友交流。