温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。
1.概述
数据加密是安全级别要求较高企业所必须的，比如说金融行业，医疗行业或者政府。我们知道HDFS中的数据会以block的形式保存在各台数据节点的本地磁盘中，但这些block都是明文的，如果在操作系统下，直接访问block所在的目录，通过Linux的cat命令是可以直接查看里面的内容的，而且是明文。
我们知道在Hadoop集群中，可以通过开启Kerberos/LDAP来实现用户身份的认证，通过Sentry/Ranger实现数据访问的权限控制。但是这些其实无法控制非法用户在操作系统层面直接访问数据，比如直接拷走disk里的所有block文件，这些都是明文，是可以直接查看的。这个时候我们就需要对关键数据进行加密，让非法用户即使从操作系统层面拷走文件，也是密文，没法查看。
HDFS支持端到端的透明加密，启用以后，对于一些需要加密的HDFS目录里的文件可以实现透明的加密和解密，而不需要修改用户的业务代码。端到端是指加密和解密只能通过客户端。对于加密区域里的文件，HDFS保存的即是加密后的文件，文件加密的秘钥也是加密的，HDFS不会存储和直接访问秘钥。
HDFS的透明加密支持两种方式的加密：静态（at-rest）数据加密，比如持久化保存在磁盘上的数据，传输（in-transit）数据加密，比如通过网络传输的数据。
2.背景
传统数据管理软件或者硬件的加密包含了不同的层级，在不同的层级加密有不同的优点和缺点。
1.应用层加密，这是最安全也是最灵活的方式。加密内容最终由应用程序来控制，并且可以精确的反映用户的需求。但是，编写应用程序来实现加密一般都比较困难，而且有些应用程序可能不支持加密。
2.数据库层加密，类似于应用程序加密。大多数数据库厂商都提供某种形式的加密，但是可能会有性能问题，另外比如说索引没办法加密。
3.文件系统层加密，这种方式对性能影响不大，而且对应用程序是透明的，一般也比较容易实施。但是应用程序细粒度的要求策略，可能无法完全满足。比如，多租户应用程序可能需要对最终用户进行加密，数据库可能需要对单个文件里的每个列进行不同的加密设置。
4.磁盘层加密，易于部署和高性能，但是相当不灵活，只能防止用户从物理层面盗窃数据。
HDFS的透明加密属于数据库层和文件系统层的加密。它有很多好处，比如不错的性能，对于现有的应用程序是透明的。在制定策略时，HDFS也比传统的文件系统有更多的选择。
HDFS加密可以防止在文件系统或之下的攻击，也叫操作系统级别的攻击（OS-level attacks）。操作系统和磁盘只能与加密的数据进行交互，因为数据已经被HDFS加密了。
3.场景
一些政府，金融和监管机构都会要求数据加密。比如医疗行业有HIPAA法规，支付卡行业有PCI DSS法规，美国政府有FISMA法规。HDFS的透明加密可以使企业很容易的遵守这些规定。
通过HDFS的集成，加密也可以在应用层执行，同时应用层可以不做修改而直接对加密数据进行访问。这种架构可以更好的与HDFS的其他功能进行协作。
4.架构
4.1概述
HDFS的透明加密有一个新的概念，加密区域（the encryption zone）。加密区域是一个特殊的目录，写入文件的时候会被透明加密，读取文件的时候又会被透明解密。当加密区域被创建时，都会有一个加密区域秘钥（encryption zone key）与之对应。加密区域里的每个文件都有一个唯一的数据加密秘钥（DEK，data encryption key）。HDFS不会直接处理DEK，HDFS只会处理加密后的DEK（encrypted data encryption key，EDEK）。客户端会解密EDEK，然后用后续的DEK来读取和写入数据。HDFS的DataNode只能看到一串加密字节。
HDFS支持嵌套的加密区域，从而能在文件系统的不同部分使用不同的加密区域秘钥。在创建加密区域之后，比如是根目录/，用户可以用不同的秘钥在子目录比如/home/fayson上创建更多的加密区域。文件的EDEK会使用最近的（the closet ancestor）加密区的秘钥生成。
如果要启用HDFS的透明加密，你需要安装一个额外的服务，KMS(Hadoop
Key Management Server)，用来管理秘钥。KMS主要有以下几个职责：
1.提供访问保存的加密区域的秘钥
2.生成存储在NameNode上的加密后的数据加密秘钥（EDEK）
3.为HDFS客户端解密EDEK
4.2 在加密区域里访问数据
当在加密区域中创建好一个文件后，NameNode会要求KMS生成一个新的EDEK，这会被加密区域秘钥（encryption zone’s key）加密。EDEK会作为NameNode的元数据持久化保存起来。
当在加密区域里读取一个文件时，NameNode会给客户端提供EDEK，然后加密区域秘钥（encryption zone’s key）的版本，这个是用来解密EDEK的。然后客户端找KMS来解密EDEK，当然会检查客户端是否有权限在KMS中访问这个版本的加密区域秘钥（encryption zone’s key）。如果成功，客户端会使用DEK来解密文件内容。
所有上面这些读写路径的步骤都会自动的在DFSClient，NameNode以及KMS之间完成。
访问加密的文件数据和元数据是由正常的HDFS文件系统权限控制的。这意味着如果HDFS受到攻击，比如，未经授权的HDFS超级用户，这个恶意用户只能访问加密文件，以及加密后的文件加密秘钥（EDEK）。这是因为对加密区域秘钥（encryption zone’s key）的访问是由KMS控制的，因此这不会构成威胁。
4.3Key Management Server,KeyProvider, EDEKs
KMS是代表HDFS和客户端与后端的秘钥存储进行交互的代理服务。后端的秘钥存储库和KMS都实现了Hadoop KeyProvider API，更多内容请参考:
http://hadoop.apache.org/docs/stable/hadoop-kms/index.html
在KeyProvider API中，每个加密秘钥都有一个唯一的秘钥名称。秘钥可以有多个版本，每个版本的秘钥都有自己的秘钥内容（在加密和解密时使用的实际加密字节）。加密秘钥可以通过秘钥名称返回秘钥的最新版本，或者根据版本号来获取特定版本的秘钥。
KMS还实现了一些附加功能，可以创建和解密加密后的秘钥（encrypted encryption keys，EEKs）。创建和解密EEK都是在KMS中进行的。所以请求创建和解密EEK的客户端，不会处理EEK的加密秘钥。要创建一个新的EEK，KMS会生成一个新的随机秘钥，并会使用指定的秘钥对其进行加密，然后将EEK返回给客户端。为了解密EEK，KMS会检查用户是否有权限访问加密秘钥，然后使用它来解密EEK，并返回解密的加密秘钥。
在HDFS透明加密的场景中，EEK是加密数据加密秘钥的秘钥（EDEK），数据加密秘钥用来（DEK）用来加密和解密文件数据。通常，秘钥存储库会配置为只允许最终用户访问用户加密DEK的秘钥。意思就是说EDEK可以被HDFS安全的存储和处理，因为HDFS用户将不能访问未加密的加密秘钥。
5.总结
大家是不是都晕了呢，Fayson简单总结一下，那么多秘钥大概有以下几种：
1.Encryption Zone Key，EZ Key，是加密区域的秘钥，每创建一个HDFS的加密区域也即是一个目录就会生成一个，一般保存在后端的秘钥存储库中，比如数据库。
2.Data Encryption Key，DEK，每个加密区域里的每个文件唯一的加密秘钥。
3.Encrypted Data Encryption Key，EDEK，每个加密区域里的每个文件唯一的加密秘钥，然后被EZ Key加密后的秘钥。保存在NameNode的元数据中。
所以HDFS的超级用户顶多只能拿到加密后的数据以及EDEK，没有KMS里相应的权限拿到对应的EZ Key，无法解密EDEK，然并卵，还是无法解密数据。一般在企业来说，Hadoop平台的管理员可能是HDFS超级用户，但是后端的秘钥存储库可能是另外的DBA管理员，至少要两个人一起联合起来干坏事，才能解密它不该看的数据。权限分离来保证数据的最终安全。
后面Fayson会通过实操来说明如何实现HDFS数据透明加密。
6.参考
https://www.cloudera.com/documentation/enterprise/latest/topics/cdh_sg_hdfs_encryption.html
http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/TransparentEncryption.html
为天地立心，为生民立命，为往圣继绝学，为万世开太平。
温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。
