客户管理的加密密钥 (CMEK)
使用集合让一切井井有条根据您的偏好保存内容并对其进行分类。

使用 Dataproc 时，集群和作业数据存储在与集群中的 Compute Engine 虚拟机关联的永久性磁盘上，以及 Cloud Storage 的暂存存储桶中。此永久性磁盘和存储桶数据均采用 Google 生成的数据加密密钥 (DEK) 和密钥加密密钥 (KEK) 进行了加密。

借助 CMEK 功能，您可以创建、使用和撤消密钥加密密钥 (KEK)。Google 仍然控制数据加密密钥 (DEK)。如需详细了解 Google 数据加密密钥，请参阅静态加密。

使用 CMEK 加密集群数据

您可以使用客户管理的加密密钥 (CMEK) 来加密以下集群数据：

连接到 Dataproc 集群中的虚拟机的永久性磁盘上的数据
提交到集群的作业参数数据，例如通过 Spark SQL 作业提交的查询字符串
集群元数据、作业驱动程序输出以及写入您创建的 Dataproc 暂存存储桶的其他数据

如需使用 CMEK 加密集群数据，请按以下步骤操作：

使用 Cloud Key Management Service 创建一个或多个密钥。您在后续步骤中使用的资源名称（也称为密钥资源 ID）的构建方式如下：
```
projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
```
使用 Google Cloud 控制台中的加密密钥页面，将密钥资源 ID 复制到剪贴板。
将以下角色分配给以下服务账号：
1. 按照 Compute Engine→使用 Cloud KMS 密钥保护资源→准备工作中的第 5 步，将 Cloud KMS CryptoKey Encrypter/Decrypter 角色分配给 Compute Engine Service Agent 服务账号。
  如果 Google Cloud 控制台中的 IAM 页面上未显示 Compute Engine Service Agent 服务账号，请点击该页面上的“包括 Google 提供的角色授予”。
2. 将 Cloud KMS CryptoKey Encrypter/Decrypter 角色分配给 Cloud Storage Service Agent 服务账号。
3. 将 Cloud KMS CryptoKey Encrypter/Decrypter 角色分配给 Dataproc Service Agent 服务账号。您可以使用 Google Cloud CLI 分配角色：
```
  gcloud projects add-iam-policy-binding KMS_PROJECT_ID \
  --member serviceAccount:service-PROJECT_NUMBER@dataproc-accounts.iam.gserviceaccount.com \
  --role roles/cloudkms.cryptoKeyEncrypterDecrypter
```
  替换以下内容：
  
  KMS_PROJECT_ID：运行 Cloud KMS 的 Google Cloud 项目 ID。此项目也可以是运行 Dataproc 资源的项目。
  
  PROJECT_NUMBER：运行 Dataproc 资源的 Google Cloud 项目编号（不是项目 ID）。
4. 在运行 Dataproc 资源的项目中启用 Cloud KMS API。
5. 如果 Dataproc Service Agent 角色未附加到 Dataproc Service Agent 服务账号，请将 serviceusage.services.use 权限添加到附加到 Dataproc Service Agent 服务账号的自定义角色。如果 Dataproc Service Agent 角色已附加到 Dataproc Service Agent 服务账号，则可以跳过此步骤。
将密钥的资源 ID 传递给 Google Cloud CLI 或 Dataproc API，以用于集群数据加密。
gcloud CLI
- 如需使用您的密钥加密集群的永久性磁盘数据，请在创建集群时将密钥的资源 ID 传递给 --gce-pd-kms-key 标志。
  gcloud dataproc clusters create CLUSTER_NAME \ --region=REGION \ --gce-pd-kms-key='projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME' \ other arguments ...
  您可以通过 gcloud 命令行工具验证密钥设置。
  gcloud dataproc clusters describe CLUSTER_NAME \ --region=REGION
  命令输出代码段：
  ... configBucket: dataproc- ... encryptionConfig: gcePdKmsKeyName: projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name ...
- 如需使用您的密钥加密集群的永久性磁盘数据和作业参数数据，请在创建集群时将密钥的资源 ID 传递给 --kms-key 标志。如需查看使用 --kms-key 标志加密的作业类型和参数列表，请参阅 Cluster.EncryptionConfig.kmsKey。
  gcloud dataproc clusters create CLUSTER_NAME \ --region=REGION \ --kms-key='projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME' \ other arguments ...
  您可以使用 gcloud CLI 的 dataproc clusters describe 命令验证密钥设置。在 gcePdKmsKeyName 和 kmsKey 上设置密钥资源 ID，以便使用您的密钥对集群的永久性磁盘和作业参数数据进行加密。
  gcloud dataproc clusters describe CLUSTER_NAME \ --region=REGION
  命令输出代码段：
  ... configBucket: dataproc- ... encryptionConfig: gcePdKmsKeyName: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME kmsKey: projects/PROJECT_ID/locations/REGION/keyRings/key-KEY_RING_NAME-name/cryptoKeys/KEY_NAME ...
  您可以使用 --gce-pd-kms-key 或 --kms-key 标志，但不能同时使用两者，以便使用您的密钥加密集群数据。
- 如需加密写入 Cloud Storage 中 Dataproc 暂存存储桶的集群元数据、作业驱动程序和其他输出数据，请执行以下操作：
  - 使用 CMEK 创建自有存储桶。将密钥添加到存储桶时，请使用您在第 1 步创建的密钥。
  - 在创建集群时，将存储桶名称传递给 --bucket 标志。
  gcloud dataproc clusters create CLUSTER_NAME \ --region=REGION \ --bucket=CMEK_BUCKET_NAME \ other arguments ...
  如果作业使用存储桶参数，您还可以将启用 CMEK 的存储桶传递给“gcloud dataproc jobs submit”命令，如以下“cmek-bucket”示例所示：
  gcloud dataproc jobs submit pyspark gs://cmek-bucket/wordcount.py \ --region=region \ --cluster=cluster-name \ -- gs://cmek-bucket/shakespeare.txt gs://cmek-bucket/counts
  Dataproc 不会管理 Cloud Storage 存储桶中的客户管理的加密密钥。
  
  使用启用客户管理加密密钥的存储桶，可能会降低写入大型文件的速度。
REST API
- 如需使用您的密钥对集群虚拟机的永久性磁盘数据进行加密，请在 cluster.create 请求中添加 ClusterConfig.EncryptionConfig.gcePdKmsKeyName 字段。
  您可以使用 gcloud CLI 的 dataproc clusters describe 命令验证密钥设置。
  gcloud dataproc clusters describe CLUSTER_NAME \ --region=REGION
  命令输出代码段：
  ... configBucket: dataproc- ... encryptionConfig: gcePdKmsKeyName: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME ...
- 如需使用您的密钥加密集群虚拟机的永久性磁盘数据和作业参数数据，请在 cluster.create 请求中包含 Cluster.EncryptionConfig.kmsKey 字段。如需查看使用 --kms-key 字段加密的作业类型和参数列表，请参阅 Cluster.EncryptionConfig.kmsKey。
  您可以在集群创建请求中包含 Cluster.EncryptionConfig.gcePdKmsKeyName 字段或 Cluster.EncryptionConfig.kmsKey 字段，但不能同时包含两者。
  您可以使用 gcloud CLI 的 dataproc clusters describe 命令验证密钥设置。在 gcePdKmsKeyName 和 kmsKey 上设置密钥资源 ID，以便使用您的密钥对集群的永久性磁盘和作业参数数据进行加密。
  gcloud dataproc clusters describe CLUSTER_NAME \ --region=REGION
  命令输出代码段：
  ... configBucket: dataproc- ... encryptionConfig: gcePdKmsKeyName: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME kmsKey: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
- To encrypt cluster metadata, job driver, and other output data written to your Dataproc staging bucket in Cloud Storage:
  - Create your own bucket with CMEK. When adding the key to the bucket, use a key that you created in Step 1.
  - Pass the bucket name to the ClusterConfig.configBucket field as part of a cluster.create request.
```
gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --bucket=CMEK_BUCKET_NAMEt \
    other arguments ...
```
  Dataproc 不会管理 Cloud Storage 存储桶中的客户管理的加密密钥。
  
  使用启用客户管理加密密钥的存储桶，可能会降低写入大型文件的速度。
  如果作业使用存储桶参数，您还可以将启用 CMEK 的存储桶传递给“gcloud dataproc jobs submit”命令，如以下“cmek-bucket”示例所示：
  gcloud dataproc jobs submit pyspark gs://cmek-bucket/wordcount.py \ --region=region \ --cluster=cluster-name \ -- gs://cmek-bucket/shakespeare.txt gs://cmek-bucket/counts

使用 CMEK 加密工作流模板数据

Dataproc 工作流模板作业参数数据（例如 Spark SQL 作业的查询字符串）可以通过 CMEK 加密。请按照本部分中第 1、2 和 3 步的说明，将 CMEK 用于您的 Dataproc 工作流模板。如需查看启用此功能后使用 CMEK 加密的工作流模板作业类型和参数列表，请参阅 WorkflowTemplate.EncryptionConfig.kmsKey。

使用 Cloud Key Management Service (Cloud KMS) 创建密钥。您在后续步骤中使用的密钥资源名称的构建方式如下：
```
projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name
```
使用 Google Cloud 控制台的加密密钥页面，将密钥资源 ID 复制到剪贴板。
如需让 Dataproc 服务账号能够使用您的密钥，请执行以下操作：
1. 将 Cloud KMS CryptoKey Encrypter/Decrypter 角色分配给 Dataproc Service Agent 服务账号。您可以使用 gcloud CLI 来分配角色：
```
 gcloud projects add-iam-policy-binding KMS_PROJECT_ID \
 --member serviceAccount:service-PROJECT_NUMBER@dataproc-accounts.iam.gserviceaccount.com \
 --role roles/cloudkms.cryptoKeyEncrypterDecrypter
```
  替换以下内容：
  
  KMS_PROJECT_ID：运行 Cloud KMS 的 Google Cloud 项目 ID。此项目也可以是运行 Dataproc 资源的项目。
  
  PROJECT_NUMBER：运行 Dataproc 资源的 Google Cloud 项目编号（不是项目 ID）。
2. 在运行 Dataproc 资源的项目中启用 Cloud KMS API。
3. 如果 Dataproc Service Agent 角色未附加到 Dataproc Service Agent 服务账号，请将 serviceusage.services.use 权限添加到附加到 Dataproc Service Agent 服务账号的自定义角色。如果 Dataproc Service Agent 角色已附加到 Dataproc Service Agent 服务账号，则可以跳过此步骤。
您可以使用 Google Cloud CLI 或 Dataproc API 在工作流中设置您在第 1 步创建的密钥。为工作流设置密钥后，所有工作流作业参数和查询都将使用 WorkflowTemplate.EncryptionConfig.kmsKey 中列出的作业类型和参数的密钥进行加密。
gcloud CLI

创建工作流模板时，使用 gcloud dataproc workflow-templates create 命令将密钥的资源 ID 传递给 --kms-key 标志。

示例：
```
gcloud dataproc workflow-templates create my-template-name \
    --region=region \
    --kms-key='projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name' \
    other arguments ...
```
您可以通过 gcloud 命令行工具验证密钥设置。
```
gcloud dataproc workflow-templates describe TEMPLATE_NAME \
    --region=REGION
```
```
...
id: my-template-name
encryptionConfig:
kmsKey: projects/PROJECT_ID/locations/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
...
```
REST API

在 workflowTemplates.create 请求中使用 WorkflowTemplate.EncryptionConfig.kmsKey。

您可以通过发出 workflowTemplates.get 请求来验证密钥设置。返回的 JSON 中列出了 kmsKey：
```
...
"id": "my-template-name",
"encryptionConfig": {
  "kmsKey": "projects/project-id/locations/region/keyRings/key-ring-name/cryptoKeys/key-name"
},
```

Cloud External Key Manager

借助 Cloud External Key Manager (Cloud EKM) (EKM)，您可以使用由支持的外部密钥管理合作伙伴管理的密钥来保护 Dataproc 数据。您在 Dataproc 中使用 EKM 所遵循的步骤与您用于设置 CMEK 密钥的步骤相同，但不同之处在于：您的密钥指向外部管理的密钥的 URI（请参阅Cloud EKM 概览）。

Cloud EKM 错误

使用 Cloud EKM 时，由于与输入、Cloud EKM、外部密钥管理合作伙伴系统或 EKM 与外部系统之间的通信相关联的错误，尝试创建集群可能会失败。如果您使用的是 REST API 或 Google Cloud 控制台，错误会记录在 Logging 中。您可以通过查看日志标签页检查失败的集群的错误。