无法使用 Azure Databricks 挂载 Azure Data Lake Storage Gen 2

Question

我尝试装入Azure的数据存储湖第二代使用服务主体和OAuth 2.0帐户解释在这里：

configs = {
  "fs.azure.account.auth.type": "OAuth",
  "fs.azure.account.oauth.provider.type": "org.apache.hadoop.fs.azurebfs.oauth2.ClientCredsTokenProvider",
  "fs.azure.account.oauth2.client.id": "<application-id>",
  "fs.azure.account.oauth2.client.secret": dbutils.secrets.get(scope = "<scope-name>", key = "<key-name-for-service-credential>"),
  "fs.azure.account.oauth2.client.endpoint": "https://login.microsoftonline.com/<directory-id>/oauth2/token"}

dbutils.fs.mount(
  source = "abfss://<file-system-name>@<storage-account-name>.dfs.core.windows.net/",
  mount_point = "/mnt/<mount-name>",
  extra_configs = configs
)

我使用的服务主体在存储帐户级别具有Storage Blob Data Contributor角色，并且在容器级别具有rwx访问权限。

无论如何，我收到此错误：

ExecutionError: An error occurred while calling o242.mount.
: HEAD https://<storage-account-name>.dfs.core.windows.net/<file-system-name>?resource=filesystem&timeout=90
StatusCode=403
StatusDescription=This request is not authorized to perform this operation.

我什至尝试使用此处所述的存储帐户访问密钥直接访问它，但没有成功：

spark.conf.set(
  "fs.azure.account.key.<storage-account-name>.dfs.core.windows.net",
  dbutils.secrets.get(scope = "<scope-name>", key = "<key-name-for-service-credential>")
)
dbutils.fs.ls("abfss://<file-system-name>@<storage-account-name>.dfs.core.windows.net/<directory-name>")

问题是，使用 Azure CLI 与此存储帐户交互没有问题：

az login --service-principal --username <application-id> --tenant <directory-id>
az storage container list --account-name <storage-account-name> --auth-mode login

此外，在我的机器上使用REST API没问题，但我在集群上收到一次AuthorizationFailure ：

from getpass import getpass

import requests

from msal import ConfidentialClientApplication

client_id = "<application-id>"
client_password = getpass()

authority = "https://login.microsoftonline.com/<directory-id>"
scope = ["https://storage.azure.com/.default"]

app = ConfidentialClientApplication(
    client_id, authority=authority, client_credential=client_password
)

tokens = app.acquire_token_for_client(scopes=scope)
headers = {
    "Authorization": "Bearer " + tokens["access_token"],
    "x-ms-version": "2019-07-07" # THIS IS REQUIRED OTHERWISE I GET A 400 RESPONSE
}


endpoint = (
    "https://<account-name>.dfs.core.windows.net/<filesystem>//?action=getAccessControl"
)
response = requests.head(endpoint, headers=headers)

print(response.headers)

防火墙设置为仅允许受信任的 Microsoft 服务访问存储帐户。

我进入了一个黑洞还是有人在 Databricks 上遇到同样的问题？ 是不是ABFS驱动引起的？

Answer 1

确实，问题出在防火墙设置上。 谢谢阿克塞尔R！

我被误导了，因为我也有一个具有相同防火墙设置的 ADLS Gen 1，并且没有问题。

但是，魔鬼在细节中。 Gen 1 防火墙例外允许所有Azure 服务访问资源。 同时，第 2 代只允许受信任的Azure 服务。

我希望这可以帮助某人。