Hadoop的安全/权限管理
为什么要注重权限管理
Hadoop集群装好了，其自身几乎没有对安全/用户权限的配置。用户可以轻易地伪造自己的身份来破坏Hadoop集群，例如，从client伪装成一个hdfs用户删除HDFS中的全部数据，或者伪装成mapred用户提交一个恶意的job。
对于商业用户而言，数据安全是最重要的。所以，对于Hadoop集群而言，必须进行一定的安全配置，保证数据和集群的安全。
Hadoop权限管理基础
Authentication v.s. Authorization
在权限管理中，最重要的是实现authentication（身份鉴别）和authorization（授权）这两点。
- authorization，是指正确识别一个用户的真实身份。例如用户A声称自己是用户B，那么我们就要正确地识别出他其实并不是B。
- authentication，是指为某个用户做某件事赋予某种权力。例如，赋予C用户删除和修改某个文件的权力。
下面，我们就从authentication和authorization这两方面来分别阐述。
Authentication
Hadoop本身原生并不具备任何身份鉴别的能力。例如，我在一个client上创建一个用户hdfs，然后用这个用户名来删除所有的数据，是行得通的：
useradd hdfs
sudo -u hdfs hadoop dfs -rm -R /那么，怎样才能让Hadoop具备身份鉴别的能力？可以使用Kerberbos。通过使用Kerberbos，Hadoop可以鉴别出用户的真实身份。
在一个安全的Hadoop集群（secure Hadoop）中，所有的Hadoop daemons在交互时，都会相互进行身份鉴别。
目前，Cloudera可以选择配置使用simple还是kerberos这两种机制来实现身份鉴别，如下：
Authorization
在正确地鉴别出用户的正式身份后，下一步要做的是决定该用户能做啥事，已经不能做啥事，这就是authorization。
这里，我们只讨论手授予用户对HDFS文件系统操作的权限。
HDFS权限机制
HDFS文件的permissions与Linux文件系统很相似，如：
以文件/hbase/.hbase-snapshot为例，drwxr-xr-x - hbase hbase表示这是一个目录，owner（即『hbase』）的权限为”rwx”，group（也是『hbase』）和other的权限都是”r-x”。
但是，某些地方HDFS与Linux FS存在差异，可以参考 HDFS ignores group of a user when creating a file or a directory, and instead inherits 以及 improve semantics of the hadoop dfs command。
若Linux FS中某个文件的owner和group分别是A和B，那么Linux中必须存在名为A的用户和名为B的群组。那么，HDFS呢？
在HDFS中，一个文件的owner和group只是一个字符串而已，并不需要对应到真实存在的用户名和群组名。例如，可以这样改变某个文件的owner和group：
HDFS超级用户
谁是超级用户（super-user）？简单地说，Namnode进程用户就是HDFS的super-user。超级用户在HDFS中有最高权限，可以做任何事。
默认情况下，HDFS超级用户所属的group为supergroup，这由dfs.permissions.supergroup配置，如下：
HDFS中从user到group的映射
给定一个user，HDFS怎样判断它属于哪一个group？
当我们在某个节点或者client上运行hadoop命令时，NameNode就知道运行该命令的用户的username。此时，它可以通过一些pluggable interface来确定该user属于哪一个group：
- org.apache.hadoop.security.JniBasedUnixGroupsMappingWithFallback
- org.apache.hadoop.security.ShellBasedUnixGroupsMappingWithFallback
- org.apache.hadoop.security.LdapGroupsMapping
其中，默认的interface是ShellBasedUnixGroupsMappingWithFallback，它通过在Namenode上运行命令 id -Gn <username>来确定该用户属于哪一个group：
[tao@ecs2 ~]$ id -Gn hbase
hbase supergroup参考