如果您按照 AWS Glue 添加作业向导创建脚本以将 parquet 文件写入 S3,您最终会生成类似这样的代码。
datasink4 = glueContext.write_dynamic_frame.from_options(
frame=dropnullfields3,
connection_type="s3",
connection_options={"path": "s3://my-s3-bucket/datafile.parquet"},
format="parquet",
transformation_ctx="datasink4",
)
是否可以指定KMS密钥,以便数据在存储桶中加密?
胶水 scala 作业
val spark: SparkContext = new SparkContext()
val glueContext: GlueContext = new GlueContext(spark)
spark.hadoopConfiguration.set("fs.s3.enableServerSideEncryption", "true")
spark.hadoopConfiguration.set("fs.s3.serverSideEncryption.kms.keyId", args("ENCRYPTION_KEY"))
我认为 Python 的语法应该不同,但想法是一样的
要使用 PySpark 拼出答案,您可以执行以下任一操作
from pyspark.conf import SparkConf
[...]
spark_conf = SparkConf().setAll([
("spark.hadoop.fs.s3.enableServerSideEncryption", "true"),
("spark.hadoop.fs.s3.serverSideEncryption.kms.keyId", "<Your Key ID>")
])
sc = SparkContext(conf=spark_conf)
注意
spark.hadoop
前缀 - 或(更丑但更短)
sc._jsc.hadoopConfiguration().set("fs.s3.enableServerSideEncryption", "true")
sc._jsc.hadoopConfiguration().set("fs.s3.serverSideEncryption.kms.keyId", "<Your Key ID>")
其中
sc
是您当前的 SparkContext。
这个没有必要。也许是在第一次提出问题时,但通过创建安全配置并将其与粘合作业关联起来也可以实现相同的目的。请记住在您的脚本中包含此内容,否则它不会执行此操作:
job = Job(glueContext)
job.init(args['JOB_NAME'], args)
https://docs.aws.amazon.com/glue/latest/dg/encryption-security-configuration.html https://docs.aws.amazon.com/glue/latest/dg/set-up-encryption.html
对于Python,我是这样做的:
spark_session.sparkContext._jsc.hadoopConfiguration().set(
"fs.s3.enableServerSideEncryption", "true"
)
spark_session.sparkContext._jsc.hadoopConfiguration().set(
"fs.s3.serverSideEncryption.kms.keyId", getKMSKey()
)