sparklyr 与 Kerberos 的联系

Question

我能够通过 Livy 服务连接到非 Kerberized 的 spark 集群，而不会在 remote Rstudio 桌面（Windows）中出现问题。

但是，如果启用了 Kerberos 安全性，则连接失败：

library(sparklyr)
sc <- spark_connect("http://host:8998", method = "livy")

返回

Error in livy_validate_http_response("Failed to create livy session",  : 
Livy operation is unauthorized. Try spark_connect with config = livy_config()

使用sparklyr_0.5.6-9002 和 MIT Kerberos for Windows 进行身份验证。

另一方面，从集群内部（即通过curl）连接是成功的。

我做错了什么？此类连接需要哪些额外设置？

livy_config(..., username, password) 配置似乎只形成了一个Authorization: Basic ... 标头，尽管在这里我怀疑应该需要Negotiate 或Kerberos(?)。

我还缺少其他可能的配置吗？

注意：使用授权用户从 shell 中kinit'ing 后，RStudio 服务器（web）返回相同的错误。

Answer 1

我来晚了，但我遇到了同样的问题，终于能够解决它。这可能对其他人有用。

当然，这在很大程度上取决于您的集群配置。我正在使用sparklyr 1.5.0 和 MIT Kerberos for Windows，直接连接到在 Cloudera HDP 集群（Spark 2.3.0）中运行的 Livy（无 Knox 代理）。在我的情况下，需要一个额外的 HTTP 标头，见下文。

如果您的集群不允许传出 Internet 连接，您还应该首先将 SparklyR 服务器端 jar 保存在 HDFS 上（默认情况下会自动从 GitHub 下载）。

library(sparklyr)
SPARK_VERSION = "2.3.0"

lcfg = livy_config(
  negotiate = TRUE, 
  custom_headers = list("X-Requested-By"="<user_name>"))
lcfg$sparklyr.livy.jar = "hdfs:///path/to/sparklyr-2.3-2.11.jar"

sc = spark_connect(
  master = "http://livyserver:8999", method = "livy", 
  version = SPARK_VERSION,
  config = lcfg)

对于调试，第一步可能是在集群外测试您的 Livy 设置但没有 R：请参阅 https://livy.apache.org/examples/