如何使用Impyla和Kerberos连接Apache Hadoop

Question

首先，我还读过this question (因为它看起来很简单)。

我的问题是，我还试图连接到我们的Apache系统，该系统现在由Kerberos保护。我使用了impyla模块来实现这一点。在将Kerberos安装到Hadoop系统之前，这种方法运行良好。现在我在互联网上尝试了不同的解决方案，但是我不得不承认，我以前从未与Kerberos合作过。

这是我使用的代码：

    conn = connect (host = host, 
                    port = port, 
                    auth_mechanism='GSSAPI', 
                    kerberos_service_name='impala')
    db_cursor = conn.cursor()
    db_cursor.execute ('SHOW DATABASES')
    results = db_cursor.fetchall()
    db_names = [print(x[0]) for x in results]

(主机和端口作为变量传递)

目前的错误是：“没有名为thrift_sasl的模块”。

在错误信息上使用google并不能让我找到有用的、糟糕的信息。有人说需要安装"pyKerberos“模块，但我不确定这是否解决了问题。

有东西我忘了吗？我还拥有Kerberos主体和密码，并使用"MIT Kerberos票证管理器“来管理它，但也许我也必须以某种方式提供代码中的信息？

希望有人能帮我因为我被困在这里了。:-)

Answer 1

经过漫长而容易出错的道路后，我终于找到了一个解决方案。我没有使用库"impyla“，而是使用了另一种方法:安装了cloudera驱动程序，并在ODBC数据源管理员工具中配置了一个新连接。我还提供了用于身份验证的.keytab文件(以及用户名和密码等)。然后，我使用了Python库"pyodbc“，如下所示：

import pyodbc
import pandas


pyodbc.autocommit=True
conn = pyodbc.connect("DSN=NAMEOFYOURDSN", autocommit=True)
cursor = conn.cursor()
cursor.execute('SHOW DATABASES')
with pandas.option_context('display.max_rows', None, 'display.max_columns', None):    
     print(df)

这很好，我可以开始进一步处理它。

Answer 2

我遇到了同样的问题，但我通过安装所需库的正确版本来修复它。

使用pip安装下面的python库：

six==1.12.0
bit_array==0.1.0
thrift==0.9.3
thrift_sasl==0.2.1
sasl==0.2.1
impyla==0.13.8

下面的代码在python版本2.7和3.4中运行得很好。

import ssl
from impala.dbapi import connect
import os
os.system("kinit")
conn = connect(host='hostname.io', port=21050, use_ssl=True, database='default', user='urusername', kerberos_service_name='impala', auth_mechanism = 'GSSAPI')
cur = conn.cursor()
cur.execute('SHOW DATABASES;')
result=cur.fetchall()
for data in result:
    print (data) 

Answer 3

我使用以下设置：

OS：Ubuntu focal 20.04

$ python -V
Python 3.8.10

apt-get install libkrb5-dev krb5-user

impyla                            0.17.0     
thrift                            0.11.0     
thrift-sasl                       0.4.3  
pure-sasl                         0.6.2      
sasl                              0.3.1 
kerberos                          1.3.1      

我的(工作)代码：

• Kerberos (您需要一张有效的票)

conn = connect(host='myhost', port=21050, timeout=timeout, auth_mechanism="GSSAPI", use_ssl=True, kerberos_service_name='impala')

• LDAP

conn = connect(host='myhost', port=21050, auth_mechanism='LDAP', password='ldap_pass', user='user', use_ssl=True)

或

conn = connect(host='myhost', port=21050, auth_mechanism='LDAP', password=ldap_pass, user='user', use_ssl=True, ca_cert="my/cert")

连接后(使用任一方法)，运行以下示例：

cursor = conn.cursor()
cursor.execute('show databases')
print(cursor.fetchall())