Configurazione dell'accesso a Internet e delle regole firewall

Questo documento spiega come completare le seguenti attività:

  • Configurare le istanze di macchine virtuali (VM) Dataflow per l'accesso a internet
  • Crea tag di rete
  • Definisci le regole firewall per la rete associata ai tuoi job Dataflow

Questo documento richiede una conoscenza di base delle Google Cloud reti. Per definire una rete per il job Dataflow, consulta la sezione Specifica la rete e la subnet. Per saperne di più su come risolvere i problemi di rete, consulta Risolvere i problemi di rete di Dataflow.

Accesso alle Google Cloud API per Dataflow

Le macchine virtuali (VM) worker Dataflow devono raggiungere le API e i serviziGoogle Cloud . Il set di endpoint Google Cloud dipendenti potrebbe cambiare nel tempo, ma tutti supportano i Controlli di servizio VPC. Utilizza uno dei seguenti metodi per configurare l'accesso alle API Google Cloud :

Per impostazione predefinita, le regole firewall e le configurazioni DNS consentono l'accesso alle APIGoogle Cloud . Tuttavia, potresti limitare attivamente l'accesso a un sottoinsieme di API, ad esempio se utilizzi Controlli di servizio VPC. Google Cloud In questo caso, fornisci almeno l'accesso a restricted.googleapis.com. Se utilizzi Private Service Connect, fornisci l'accesso al bundle vpc-sc. L'accesso a domini più permissivi, come private.googleapis.com, fornisce anche la funzionalità richiesta.

Per consentire l'accesso alle API Google Cloud necessarie tramite un determinato dominio, il tuo ambiente deve soddisfare i seguenti requisiti:

  • Le regole firewall devono consentire l'uscita a tutti gli intervalli di indirizzi nel dominio scelto.

  • Il DNS deve risolvere *.googleapis.com nel dominio scelto.

Ad esempio, se le regole firewall limitano l'uscita all'intervallo di indirizzi restricted.googleapis.com, allora *.googleapis.com deve essere risolto in indirizzi all'interno di questo intervallo. Per maggiori informazioni, vedi Configurare il DNS per googleapis.com.

Allo stesso modo, se utilizzi Private Service Connect, devi creare record DNS per il dominio predefinito googleapis.com per garantire l'accesso ad almeno tutti i servizi nel vpc-sc bundle.

Accesso a internet per Dataflow

A seconda del tuo caso d'uso, le tue VM potrebbero anche aver bisogno di accedere a risorse esterne Google Cloud. Utilizza uno dei seguenti metodi per configurare l'accesso a internet per Dataflow:

  • Configura le VM worker con un indirizzo IP esterno in modo che soddisfino i requisiti di accesso a internet.

  • Configura una soluzione NAT, ad esempio Cloud NAT. Questa opzione è per l'esecuzione di job che accedono ad API e servizi al di fuori di Google Cloud che richiedono l'accesso a internet. Ad esempio, i job Python SDK potrebbero richiedere l'accesso a Python Package Index (PyPI) per scaricare le dipendenze delle pipeline. In questo caso, devi configurare le VM worker con indirizzi IP esterni o utilizzare Cloud NAT. Puoi anche fornire le dipendenze della pipeline Python durante l'invio del job. Ad esempio, puoi utilizzare container personalizzati per fornire le dipendenze della pipeline Python, il che elimina la necessità di accedere a PyPI in fase di runtime.

    Per saperne di più, consulta la sezione Gestione delle dipendenze delle pipeline Python nella documentazione di Apache Beam.

Disattivare l'indirizzo IP esterno

Per impostazione predefinita, Dataflow assegna indirizzi IP sia esterni che interni ai worker. Quando disattivi gli indirizzi IP esterni, il job Dataflow può accedere solo alle risorse nelle seguenti posizioni:

Senza indirizzi IP esterni, puoi comunque eseguire attività amministrative e di monitoraggio. Puoi accedere ai tuoi worker utilizzando SSH tramite le opzioni elencate nell'elenco precedente. Tuttavia, la pipeline non può accedere a internet e gli host internet non possono accedere ai worker Dataflow.

Se non utilizzi indirizzi IP esterni, puoi proteggere meglio la tua infrastruttura di elaborazione dati. Puoi anche ridurre il numero di indirizzi IP esterni conteggiati nella tua Google Cloud quota di progetto.

Se disattivi gli indirizzi IP esterni, i job Dataflow non possono accedere alle API e ai servizi esterni a Google Cloud che richiedono l'accesso a internet.

Per disattivare gli indirizzi IP esterni, procedi in uno dei seguenti modi:

Java

  1. Attiva l'accesso privato Google per la tua rete o subnet.
  2. Nei parametri del job Dataflow, specifica --usePublicIps=false e --network=NETWORK-NAME o --subnetwork=SUBNETWORK-NAME.

    A seconda della tua scelta, sostituisci uno dei seguenti elementi:

    • NETWORK-NAME: il nome della rete Compute Engine
    • SUBNETWORK-NAME: il nome della tua subnet Compute Engine

Python

  1. Per preparare tutte le dipendenze dei pacchetti Python, segui le istruzioni per le dipendenze della pipeline di Apache Beam.
  2. Attiva l'accesso privato Google per la tua rete o subnet.
  3. Nei parametri del job Dataflow, specifica --no_use_public_ips e --network=NETWORK o --subnetwork=SUBNETWORK.

    4. A seconda della tua scelta, sostituisci uno dei seguenti elementi:

    • NETWORK-NAME: il nome della rete Compute Engine
    • SUBNETWORK-NAME: il nome della tua subnet Compute Engine

Vai

  1. Attiva l'accesso privato Google per la tua rete o subnet.
  2. Nei parametri del job Dataflow, specifica --no_use_public_ips e --network=NETWORK o --subnetwork=SUBNETWORK.

    3. A seconda della tua scelta, sostituisci uno dei seguenti elementi:

    • NETWORK-NAME: il nome della rete Compute Engine
    • SUBNETWORK-NAME: il nome della tua subnet Compute Engine

Tag di rete per Dataflow

I tag di rete sono attributi di testo che puoi collegare alle VM Compute Engine. I tag di rete consentono di applicare regole firewall di rete VPC e determinate route statiche personalizzate a istanze VM specifiche. Dataflow supporta l'aggiunta di tag di rete a tutte le VM worker che eseguono un determinato job Dataflow.

Anche se non utilizzi il parametro di rete, Dataflow aggiunge sempre il tag di rete predefinito dataflow a ogni VM worker che crea.

Attivare i tag di rete

Puoi specificare i tag di rete solo quando esegui il modello di job Dataflow per creare un job. Una volta avviato un job, non puoi aggiungere altri tag di rete. Per applicare tag di rete aggiuntivi a un job, devi ricreare il modello di job con i tag di rete richiesti.

Aggiungi quanto segue al codice della pipeline, indipendentemente dal fatto che venga eseguito in Java o Python:

--experiments=use_network_tags=TAG-NAME

Sostituisci TAG-NAME con i nomi dei tuoi tag. Se aggiungi più di un tag, separa ogni tag con un punto e virgola (;), come mostrato nel seguente formato: TAG-NAME-1;TAG-NAME-2;TAG-NAME-3;....

Abilitare i tag di rete per le VM dei modelli flessibili

Quando utilizzi i modelli flessibili, per attivare i tag di rete per le VM worker Dataflow, utilizza l'opzione --additional-experiments come mostrato nell'esempio seguente:

--additional-experiments=use_network_tags=TAG-NAME

Per attivare i tag di rete sia per le VM worker sia per le VM launcher, utilizza le seguenti due opzioni:

--additional-experiments=use_network_tags=TAG-NAME
--additional-experiments=use_network_tags_for_flex_templates=TAG-NAME

Sostituisci TAG-NAME con i nomi dei tuoi tag. Se aggiungi più di un tag, separa ogni tag con un punto e virgola (;), come mostrato nel seguente formato: TAG-NAME-1;TAG-NAME-2;TAG-NAME-3;....

Dopo aver abilitato i tag di rete, questi vengono analizzati e collegati alle VM.

Consulta i limiti applicati ai tag di rete.

Regole firewall per Dataflow

Le regole firewall ti consentono di consentire o negare il traffico da e verso le tue VM. Se i tuoi job Dataflow utilizzano Dataflow Shuffle o Streaming Engine, devi solo assicurarti che le regole firewall consentano l'accesso alle API Google Cloud . In caso contrario, devi configurare regole firewall aggiuntive in modo che le VM Dataflow possano inviare e ricevere traffico di rete sulla porta TCP 12345 per i job di streaming e sulla porta TCP 12346 per i job batch. Un proprietario, editor o amministratore della sicurezza del progetto deve creare le regole firewall necessarie nella rete VPC utilizzata dalle VM Dataflow.

Prima di configurare le regole firewall per Dataflow, leggi i seguenti documenti:

Quando crei regole firewall per Dataflow, specifica i tag di rete Dataflow. Altrimenti, le regole firewall si applicano a tutte le VM nella rete VPC.

Ove applicabile, i criteri firewall gerarchici vengono valutati per primi e queste regole hanno la precedenza sulle regole firewall VPC. Se il job Dataflow si trova in un progetto che fa parte di una cartella o di un'organizzazione in cui vengono utilizzate le policy firewall gerarchiche, per apportare modifiche alle policy è necessario il ruolo compute.orgFirewallPolicyAdmin.

Se non crei tag di rete personalizzati quando esegui il codice della pipeline, le VM Dataflow utilizzano il tag dataflow predefinito. In assenza di tag di rete personalizzati, crea le regole firewall con il tag dataflow predefinito.

Se crei tag di rete personalizzati quando esegui il codice della pipeline, le VM Dataflow utilizzano questi tag. Crea le regole firewall con i tag personalizzati.

Alcune reti VPC, come la rete default creata automaticamente, includono una regola default-allow-internal che soddisfa il requisito firewall per Dataflow.

Regola in entrata del firewall di esempio

La regola firewall in entrata consente alle VM Dataflow di ricevere pacchetti l'una dall'altra. Devi sempre creare regole firewall di autorizzazione in entrata o il traffico viene sempre bloccato, anche se le regole in uscita lo consentono.

Nell'esempio seguente, viene creata una regola firewall in entrata per Dataflow, in cui tutte le VM worker hanno il tag di rete predefinito dataflow. Un proprietario, editor o amministratore della sicurezza del progetto può utilizzare il seguente comando gcloud per creare una regola di autorizzazione in entrata che consenta il traffico sulle porte TCP 12345 e 12346 dalle VM con il tag di rete dataflow ad altre VM con lo stesso tag:

gcloud compute firewall-rules create FIREWALL_RULE_NAME_INGRESS \
    --action=allow \
    --direction=ingress \
    --network=NETWORK  \
    --target-tags=CUSTOM_TAG \
    --source-tags=CUSTOM_TAG \
    --priority=PRIORITY_NUM \
    --rules tcp:12345-12346

Sostituisci quanto segue:

  • FIREWALL_RULE_NAME_INGRESS: un nome per la regola firewall

  • NETWORK: il nome della rete utilizzata dalle VM worker

  • CUSTOM_TAG: un elenco di tag di rete separati da virgole

    Di seguito è riportato un elenco di linee guida per l'utilizzo dei tag di rete:

    • Se ometti --target-tags, la regola si applica a tutte le VM nella rete VPC.

    • Se ometti --source-tags e tutte le altre specifiche dell'origine, il traffico da qualsiasi origine è consentito.

    • Se non hai specificato tag di rete personalizzati e vuoi che la regola sia specifica per le VM Dataflow, utilizza dataflow come tag di rete.

    • Se hai specificato tag di rete personalizzati e vuoi che la regola sia specifica per le VM Dataflow, utilizza i tag di rete personalizzati.

  • PRIORITY_NUM: la priorità della regola firewall

    I numeri più bassi hanno priorità più alte e 0 è la priorità più alta.

Regola di uscita del firewall di esempio

La regola firewall in uscita consente alle VM Dataflow di inviarsi pacchetti a vicenda. Se hai creato regole firewall di negazione del traffico in uscita, potresti dover creare regole firewall di autorizzazione del traffico in uscita personalizzate nella tua rete VPC.

In questo esempio, viene creata una regola di uscita firewall per Dataflow, in cui tutte le VM worker hanno il tag di rete predefinito dataflow. Un proprietario, editor o amministratore della sicurezza del progetto può utilizzare il seguente comando gcloud per creare una regola di autorizzazione in uscita che consenta il traffico dalle porte TCP 12345 e 12346 sulle VM con il tag di rete dataflow ad altre VM con lo stesso tag:

gcloud compute firewall-rules create FIREWALL_RULE_NAME_EGRESS \
    --network=NETWORK \
    --action=allow \
    --direction=egress \
    --target-tags=CUSTOM_TAG \
    --source-tags=CUSTOM_TAG \
    --destination-ranges=DESTINATION-RANGES\
    --priority=PRIORITY_NUM  \
    --rules tcp:12345-12346

Sostituisci quanto segue:

  • FIREWALL_RULE_NAME_EGRESS: un nome per la regola firewall

  • NETWORK: il nome della rete utilizzata dalle VM worker

  • CUSTOM_TAG: un elenco di tag di rete separati da virgole

    Di seguito è riportato un elenco di linee guida per l'utilizzo dei tag di rete:

    • Se ometti --target-tags, la regola si applica a tutte le VM nella rete VPC.

    • Se ometti --source-tags e tutte le altre specifiche dell'origine, il traffico da qualsiasi origine è consentito.

    • Se non hai specificato tag di rete personalizzati e vuoi che la regola sia specifica per le VM Dataflow, utilizza dataflow come tag di rete.

    • Se hai specificato tag di rete personalizzati e vuoi che la regola sia specifica per le VM Dataflow, utilizza i tag di rete personalizzati.

  • DESTINATION-RANGES: un elenco di CIDR delimitati da virgole

    Includi l'intervallo di indirizzi IP principale della subnet selezionata.

  • PRIORITY_NUM: la priorità della regola firewall

    I numeri più bassi hanno priorità più alte e 0 è la priorità più alta.

Per le porte TCP specifiche utilizzate da Dataflow, puoi visualizzare il manifest del container del progetto. Il manifest del container specifica esplicitamente le porte per mappare le porte host nel container.

Accesso SSH alle VM worker

Dataflow non richiede SSH, ma SSH è utile per la risoluzione dei problemi.

Se la VM worker ha un indirizzo IP esterno, puoi connetterti alla VM tramite la Google Cloud console o utilizzando Google Cloud CLI. Per connetterti utilizzando SSH, devi disporre di una regola firewall che consenta le connessioni in entrata sulla porta TCP 22 almeno dall'indirizzo IP del sistema su cui esegui gcloud o del sistema che esegue il browser web che utilizzi per accedere alla consoleGoogle Cloud .

Puoi visualizzare la configurazione e l'attività di rete aprendo una sessione SSH su uno dei tuoi worker ed eseguendo iproute2. Per ulteriori informazioni, consulta la pagina iproute2 nel wiki della Linux Foundation.

Se devi connetterti a una VM worker che ha solo un indirizzo IP interno, consulta la sezione Scegliere un'opzione di connessione per le VM solo interne.

Passaggi successivi