使用 kms 加密密钥将 dataframe 作为 csv 写入 S3 而不提供密钥

Question

我通过 spark dataframe 创建了 CSV 文件，这些文件会自动加密 KMS。

供您参考，我提供了一个创建这些 KMS 加密文件的示例代码片段。 如果您在写作时看到我没有提供任何 KMS 密钥。 如果您说出根本原因，这将非常有帮助。

val df=spark.read.format("csv").option("header", "true").load("s3:///test/App_IP.csv")
df.createOrReplaceTempView("test")
val df1=spark.sql("select name from test")
df1.coalesce(1).write.format("com.databricks.spark.csv").option("header", "true").save("s3://test/city5/")

我从 EMR 集群 (emr-5.24.0) 中的 spark-shell 执行的这段代码，spark 版本是 Spark 2.4.2

Answer 1

您可以按照 EMR 文档Amazon S3 Server-Side Encryption中的说明使用 S3 加密：

fs.s3.enableServerSideEncryption ：设置为 true 时，存储在 Amazon S3 中的对象使用服务器端加密进行加密。 如果未指定密钥，则使用 SSE-S3。 fs.s3.serverSideEncryption.kms.keyId ：指定 AWS KMS 密钥 ID 或 ARN。 如果指定了密钥，则使用 SSE-KMS。

创建启用了 SSE-S3 的集群：

aws emr create-cluster --release-label emr-5.24.0 \
--instance-count 3 --instance-type m5.xlarge --emrfs Encryption=ServerSide

创建启用了 SSE-KMS 的集群：

aws emr create-cluster --release-label emr-5.24.0 \ --instance-count 3 \
--instance-type m5.xlarge --use-default-roles \
--emrfs Encryption=ServerSide,Args=[fs.s3.serverSideEncryption.kms.keyId=<keyId>]

或者通过提供集群配置 JSON：

[
  ...
   {
    "Classification":"emrfs-site",
    "Properties": {
       "fs.s3.enableServerSideEncryption": "true",
       "fs.s3.serverSideEncryption.kms.keyId":"<keyId>"
    }
  }
]