我们正在努力实现 GDPR 合规。核心问题之一是数据加密。我知道在 Google Cloud Platform 的节点之间移动数据时会进行传输中数据加密。集群内的数据加密如何，例如在洗牌期间，在使用 Google Dataproc 时？另外，当 tmp dir 被 Spark 内部使用时，数据是否被加密(默认情况下有纯文本文件)？
最佳答案
Dataproc 基于 GCE 虚拟机构建，因此适用相同的安全性。
GCE VM(PD 或本地 SSD)磁盘上的所有数据均已加密:https://cloud.google.com/compute/docs/disks/ .所以 Spark 的 tmp 目录确实是加密的。
离开 Google 数据中心的网络通信(例如跨区域流量)已加密。此外，Google API 访问是加密的。但是，数据中心内的节点到节点通信(可能是所有集群内 Dataproc 流量)未加密。您可以在此处阅读更多信息:https://cloud.google.com/security/encryption-in-transit/ .
话虽如此，集群内通信本质上是气隙的。节点到节点通信发生在您隔离的内部 IP 上 VPC network . Dataproc 有 guidance关于如何配置防火墙规则。
您还可以使用 Dataproc private IP clusters以避免虚拟机上有外部 IP 地址。
这是关于 Google Cloud GDPR 合规性的文档:https://www.google.com/cloud/security/gdpr/ .
关于apache-spark - Google Dataproc 集群内加密，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47895436/