無法使用 Azure Databricks 掛載 Azure Data Lake Storage Gen 2

Question

我嘗試裝入Azure的數據存儲湖第二代使用服務主體和OAuth 2.0帳戶解釋在這里：

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
)

我使用的服務主體在存儲帳戶級別具有Storage Blob Data Contributor角色，並且在容器級別具有rwx訪問權限。

無論如何，我收到此錯誤：

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.

我什至嘗試使用此處所述的存儲帳戶訪問密鑰直接訪問它，但沒有成功：

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>")

問題是，使用 Azure CLI 與此存儲帳戶交互沒有問題：

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

此外，在我的機器上使用REST API沒問題，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)

防火牆設置為僅允許受信任的 Microsoft 服務訪問存儲帳戶。

我進入了一個黑洞還是有人在 Databricks 上遇到同樣的問題？ 是不是ABFS驅動引起的？

Answer 1

確實，問題出在防火牆設置上。 謝謝阿克塞爾R！

我被誤導了，因為我也有一個具有相同防火牆設置的 ADLS Gen 1，並且沒有問題。

但是，魔鬼在細節中。 Gen 1 防火牆例外允許所有Azure 服務訪問資源。 同時，第 2 代只允許受信任的Azure 服務。

我希望這可以幫助某人。