Cloudera SDX als Betriebsgrenze verstehen
SDX ist die gemeinsame Sicherheits- und Governance-Fläche von CDP — Ranger, Atlas und Hive Metastore. Dieses Playbook trennt, was SDX besitzt, was es nur durchsetzt und was außerhalb bleibt.
Ein durchgängiger Arbeitsfall für diese Serie
Ein Analyst darf eine freigegebene Sicht lesen, aber nicht die dahinterliegenden Rohdaten direkt öffnen. Prüfe denselben Geschäftsfall über Tabellenzugang, Dateipfad und eine zweite technische Identität. Eine Regel mit passendem Namen reicht nicht; entscheidend ist das tatsächliche Verhalten am jeweiligen Zugriffspfad.
Die Beispieldaten sind erfunden. Die beschriebenen Prüfungen werden erst durch eigene Ausführung und dokumentiertes Ergebnis zu einem Betriebsnachweis.
Ergebnis des begrenzten Auftrags: Erlaubte und unerlaubte Zugriffe sind für die konkrete Umgebung, Identität und Ressource geprüft. Direkte und verteilte Pfade sind berücksichtigt; Auditlücken bleiben offen.
Wirtschaftlichen Nutzen prüfen: Miss wiederholte Zugriffsklärung, Suchzeit für Kontrollnachweise und ungeplante Nacharbeit nach Änderungen. Pflege von Identitäten, Richtlinien, Klassifikationen und Auditwegen gehört zur Betriebsrechnung.
Die verlinkte Cloudera-Dokumentation zu Ranger Authorization 7.3.1 unterscheidet ressourcen- und tagbasierte Richtlinien. Gleiche Begriffe belegen keine identische Wirkung in anderen Runtime-, Dienst- oder Cloud-Versionen. Prüfe die passende Dokumentation und den tatsächlichen Zugriff im eigenen Betriebsprofil.
Begriffe vor dem Lesen
- CDP (Cloudera Data Platform) ist eine Plattform zum Speichern, Verarbeiten und Schützen von Daten in eigenen Rechenzentren oder in der Cloud.
- SDX (Shared Data Experience) bezeichnet Clouderas gemeinsame technische Dienste für Identitäten, Berechtigungen, Metadaten und Nachweise. SDX setzt Regeln um, entscheidet aber nicht, welche Nutzung fachlich erlaubt ist.
- Ranger prüft Zugriffe an angebundenen Diensten und protokolliert die Entscheidung. Atlas erfasst technische Metadaten, Klassifikationen und Datenflüsse.
- Der Hive Metastore hält technische Informationen zu Tabellen, Spalten und Speicherorten. Ein Environment ist eine gemeinsam verwaltete CDP-Umgebung mit eigener Sicherheits- und Metadatenkonfiguration.
- Ein Durchsetzungspunkt ist die Stelle, an der eine Regel technisch geprüft wird. Ein Austrittspfad ist ein Export, eine Kopie oder ein Direktzugriff, ab dem diese Prüfung nicht mehr greift.
Ausgangslage
SDX wird in Architekturdiagrammen gern als „Governance-Layer“ bezeichnet. Diese Beschreibung ist bequem und führt in die Irre. SDX ist eine Sammlung geteilter Dienste — Ranger für Autorisierung, Atlas für Metadaten und Lineage, der Hive Metastore für Schema- und Tabellenidentität, dazu Identity-Anbindung und Audit-Ablage. Diese Dienste setzen Entscheidungen durch und machen Zustände sichtbar. Sie treffen keine Entscheidungen.
Größenordnung: KMU/SMB — eine CDP-Umgebung und ein Datenprodukt mit schriftlicher SDX-Grenze (Plugins, Metastore, Outside-Pfade). Mid-Market — Ranger/Atlas-Evidenz für dieses Produkt und Identity-Mapping. Enterprise — Hybrid/Multi-Cluster-Authority-Maps und Environment-Transition-Controls.
Die Folge ist ein wiederkehrendes Muster: Eine Organisation richtet ein CDP-Environment ein, schließt Ranger und Atlas an und betrachtet Governance als adressiert. Sechs Monate später existieren mehrere Environments, unterschiedliche Ranger-Policy-Repositories, ein zweiter Metastore für ein Data-Hub-Cluster, externe Tabellen auf Storage, der auch von Nicht-CDP-Engines gelesen wird, und niemand kann sagen, welche Entscheidung für ein bestimmtes Datenprodukt tatsächlich gilt.
Der zweite Fehler ist die Annahme, die SDX-Grenze sei identisch mit der Grenze des fachlichen Betriebsmodells. Sie ist es fast nie. Ein Datenprodukt hat Consumer in BI-Werkzeugen, Exporte in Dateisysteme, Kopien in Sandboxes und Abhängigkeiten von Quellsystemen, die außerhalb jedes Ranger-Plugins liegen. Wer die Grenze nicht schriftlich zieht, führt Audits über eine Fläche, die kleiner ist als das tatsächliche Risiko.
Entscheidung
Behandle SDX als durchsetzende und beobachtende Fläche innerhalb einer explizit gezogenen Grenze — nicht als Governance-Programm. Für jedes Datenprodukt im Scope wird schriftlich festgehalten: Welche Entscheidung gilt, wer sie verantwortet, welcher SDX-Dienst sie durchsetzt, wo die Evidenz liegt und welche Teile des Pfads außerhalb von SDX liegen.

Für den Pilot ist das CDP-Environment der Ausgangspunkt der Betriebsgrenze. Dokumentiere das tatsächliche Deployment-Profil: aktive Dienste, Policy-Repositories, Metadatenquellen, Metastore-Zuordnungen, Identitäten und Durchsetzungspfade. Ein Environment ist keine universell identische Mindest-Serviceeinheit über alle CDP-Bereitstellungen. Was die dokumentierte Kontrollgrenze verlässt, braucht eine verantwortete Übergabe.
Der Pilot umfasst ein CDP-Environment und ein Datenprodukt darin — nicht die gesamte Landschaft. Erfolg ist nicht die Existenz eines Diagramms. Erfolg ist, wenn eine beteiligte Person für dieses Pilotprodukt in unter 30 Minuten sagen kann, welche Zugriffsentscheidung von welchem Dienst durchgesetzt wird und wo die Durchsetzung genau endet.
Was SDX besitzt und was nicht
Das Betriebsprofil prüft drei technische Kontrollflächen; ihre tatsächliche Verfügbarkeit und Abdeckung hängen vom Deployment ab:
- Autorisierungsentscheidungen an angebundenen Durchsetzungspunkten. Ranger-Plugins in Hive, Impala, HDFS, HBase, Kafka, Solr und weiteren Diensten fragen die Richtlinie-Basis ab und protokollieren das Ergebnis. Wo ein Plugin aktiv ist, gilt die Richtlinie.
- Technische Metadaten und Lineage im tatsächlich erfassten Scope. Atlas kann Entitäten und Beziehungen über unterstützte Hooks, Importe oder APIs erhalten. Fehlende automatische Erfassung beweist nicht die Abwesenheit eines Objekts; Herkunft und Aktualität sind je Anbindung zu prüfen.
- Objektidentität für Hive- und Impala-Tabellen. Der Hive Metastore ist die Referenz dafür, was eine Tabelle ist, wo ihre Daten liegen und welches Schema gilt.
SDX besitzt ausdrücklich drei Dinge nicht:
- Fachliche Bedeutung und erlaubter Zweck. Eine als
piiklassifizierte Spalte ersetzt nicht die Entscheidung, welche Nutzung erlaubt ist und welches Restrisiko akzeptiert wird. - Priorität und Risikoakzeptanz. Kein Dienst kann entscheiden, dass ein Marketing-Use-Case eine Aufbewahrungsanforderung überwiegt.
- Durchsetzung außerhalb angebundener Engines. Ein Spark-Job mit direktem Storage-Zugriff, ein CSV-Export, eine Kopie in eine Sandbox oder ein Zugriff über eine nicht integrierte Query-Schicht sieht Ranger-Tabellen-Richtlinien nie.
Diese Trennung ist der Kern dieses Playbooks. Alles Weitere wendet sie an.
Environment-Grenzen als Governance-Grenzen
Im betrachteten Betriebsprofil bündelt die Environment-Grenze die dokumentierten Identity-, Policy-, Metadaten-, Metastore- und Storage-Zuordnungen. Ob Dienste geteilt oder getrennt bereitgestellt sind, wird konkret erfasst. Gleiche Policy-Namen in verschiedenen Umgebungen beweisen keine identische Durchsetzung; die jeweilige Wirkung braucht eigene Evidenz.
Halte für jedes Environment vier Dinge fest:
- Zweck und Kritikalität. Produktion, Integration, Entwicklung, Analytics-Sandbox — mit unterschiedlichen Erwartungen an Kontrollen und Evidenz.
- Identity-Quelle. Welcher IdP, welche Gruppen, welche Service-Principals, welches Mapping des Kerberos-Realms.
- Im Environment erlaubte Datenklassen. Ob regulierte Daten überhaupt zulässig sind und in welcher Form (roh, maskiert, aggregiert).
- Erlaubte Übergänge. Welche Replikationen, Exporte und Sandbox-Kopien zulässig sind und wer sie genehmigt.
Der häufigste unbemerkte Bruch ist die Analytics-Sandbox. Sie entsteht aus guten Gründen, bekommt großzügige Rechte, weil „nur Kopien“ verarbeitet werden, und wird nach einigen Monaten selbst zur Quelle für Berichte. Ohne dokumentierten Übergang wandert reguliertes Material in ein Environment mit schwächeren Kontrollen und ohne Consumer-Register.
Wie die vier Kontrollflächen zusammenwirken
Ranger: Autorisierung und Audit
Ranger entscheidet pro Anfrage anhand von Policies, die entweder direkt auf Ressourcen oder auf Klassifikationen wirken. Jede Entscheidung erzeugt ein Audit-Event. Damit ist Ranger die belastbarste Evidenzquelle für tatsächlichen Zugriff — aber nur für Pfade mit aktivem Plugin.
Praktische Konsequenz: Die Liste der aktiven Plugins ist ein Governance-Artefakt, keine Betriebsnotiz. Sie beantwortet, wo Policies überhaupt wirken können.
Atlas: Metadaten, Klassifikation und Lineage
Atlas hält Entitäten, Klassifikationen und Beziehungen. Über Tag-Sync fließen Klassifikationen nach Ranger und werden dort zu Policy-Eingaben. Damit ist Atlas indirekt sicherheitsrelevant: Eine falsche oder fehlende Klassifikation verändert die effektive Zugriffsentscheidung.
Praktische Konsequenz: Änderungen an Klassifikationen brauchen die gleiche Change-Kontrolle wie Policy-Änderungen. Teil 3 dieser Serie behandelt das im Detail.
Hive Metastore: Objektidentität
Der Metastore definiert, was eine Tabelle ist. Ranger-Ressourcen-Policies referenzieren Datenbank-, Tabellen- und Spaltennamen; Atlas referenziert Qualified Names, die aus Metastore-Objekten abgeleitet sind. Wird eine Tabelle gelöscht und neu erzeugt, sehen beide Dienste neue Fakten — Klassifikationen und teils auch Policy-Zuordnungen gehen verloren.
Praktische Konsequenz: DROP und CREATE als Deployment-Muster ist eine Governance-Entscheidung, nicht bloß eine technische Vorliebe.
Identity: Gruppen, Rollen und Service-Principals
Die Kette aus Unternehmensgruppe, Environment-Rolle, Ranger-Rolle und Kerberos-Principal bestimmt, wer eine Anfrage stellt. Ein sauberer Gruppenname belegt keinen effektiven Zugriff, solange daneben Direktvergaben, Speicherberechtigungen, Eigentümerrechte und Notfallkonten existieren.
Praktische Konsequenz: Tests auf effektiven Zugriff sind Pflicht; Policy-Reviews allein genügen nicht.
Wo die SDX-Grenze tatsächlich bricht
Sechs Stellen erzeugen in der Praxis die meisten Überraschungen:
- Externe Tabellen auf geteiltem Storage. Wenn ein Nicht-CDP-Prozess denselben Pfad liest oder schreibt, ist die Tabellen-Richtlinie nicht die effektive Grenze. Die effektive Grenze ist die Storage-Berechtigung.
- Spark mit direktem Dateizugriff. Ein Job, der Pfade statt Tabellen liest, umgeht Spalten- und Zeilenregeln vollständig.
- Replikation zwischen Environments. Daten wandern; Richtlinien und Klassifikationen wandern nicht automatisch mit identischer Wirkung. Nach jeder Replikation ist ein Test auf effektiven Zugriff im Ziel erforderlich.
- Exporte und Downloads. Die Ranger-Durchsetzung endet am Export. Der Export ist der Punkt, an dem eine fachliche Nutzungsentscheidung nachweisbar vorliegen muss.
- Privilegierte und Notfallkonten. Admin-Pfade existieren aus guten Gründen. Sie gehören in den Umfang, mit eigenem Test und eigener Evidenz.
- Nicht integrierte Query- und BI-Schichten. Ein Werkzeug mit eigenem Service-Account und eigenem Berechtigungsmodell verlagert Autorisierung aus SDX heraus. Dieses Werkzeug ist dann ein zweiter Durchsetzungspunkt und braucht eine eigene verantwortliche Person.
Keine dieser Stellen ist „gelöst“. Jede wird benannt, mit einer kompensierenden Kontrolle versehen und in einem festen Takt überprüft.
Betriebsmodell an der Grenze
- Environment-verantwortliche Person: verantwortet Zweck des Environments, erlaubte Datenklassen und Übergänge.
- Data Owner pro Produkt: entscheidet über Bedeutung, erlaubte Nutzung, Risikoakzeptanz und Priorität.
- Technische Plattformverantwortung: implementiert genehmigte Entscheidungen in Ranger, Atlas und Metastore und betreibt die Plugins.
- Kontrollverantwortliche Person: definiert das erwartete Kontrollergebnis, die Testmethode und den Ausnahmeprozess.
- Verantwortliche Person auf Nutzerseite: bestätigt Abhängigkeit, Nutzungszweck und Migrationsfähigkeit.
Jede Entscheidung hat genau eine verantwortliche Rolle. Der Platform Custodian ist ausdrücklich nicht der Genehmiger für neue Zwecke, verlängerte Aufbewahrung oder akzeptiertes Restrisiko.
Häufige Anti-Muster
„SDX ist unsere Governance“
Ein Bündel von Diensten kann kein Risiko akzeptieren und keine konkurrierenden Zwecke abwägen. Die Aussage verschiebt Verantwortung an eine Stelle, die sie nicht tragen kann.
Eine Grenze pro Cluster statt pro Environment
Cluster kommen und gehen. Die stabile Einheit für Policy-Basis, Metastore und Atlas-Inventar ist das Environment.
Plugin-Abdeckung wird nicht nachgehalten
Ohne aktuelle Liste der aktiven Ranger-Plugins ist jede Aussage über Durchsetzung eine Vermutung.
Sandbox ohne Übergangsentscheidung
Kopien mit schwächeren Kontrollen werden zu Produktionsquellen, ohne dass jemand diese Entscheidung getroffen hat.
Replikation ohne Nachtest im Ziel
Gleiche Daten, andere Wirkung. Policy-Namen im Ziel belegen keine gleichwertige Autorisierung.
Externe Tabellen wie „normale“ Tabellen behandeln
Solange der Storage-Pfad anders erreichbar ist, ist die Tabellen-Policy Kosmetik.
Vom Pilot zum verlässlichen Betrieb
Die folgenden Schritte sind eine sachliche Reihenfolge, kein starrer Kalender. Wie lange sie dauern, hängt von der Zahl der beteiligten Systeme, offenen Verantwortungsfragen und gefundenen Lücken ab. Entscheidend ist, dass jeder Schritt ein prüfbares Ergebnis liefert, bevor der nächste beginnt.
Arbeitsweise: Nutze den verlinkten Plan für Zuständigkeiten, Termine und offene Punkte. Die fachliche Entscheidung und ihr Nachweis bleiben im Datenprodukt beziehungsweise im Betriebsprozess auffindbar.
Starte mit dem kleinsten echten Fall, der fachlich wichtig genug ist. Prüfe danach, ob die Entscheidung wirklich auffindbar, umsetzbar und auditierbar ist. Rollenklärung: Wer hilft wem an der Quelle.
Schritt 1: Grenze ziehen
Ein Environment, ein Datenprodukt, ein realer Pfad von der Quelle bis zum Consumer. Erfasse aktive Ranger-Plugins, Metastore-Objekte, Atlas-Abdeckung und jeden Austritt aus der Grenze.
Schritt 2: Verantwortung zuordnen
Halte für die fünf wichtigsten Governance-Fragen des Produkts fest: Entscheidung, verantwortliche Rolle, Durchsetzungspunkt, Ort der Evidenz und Ausnahmeweg. Lass offene Fragen sichtbar, statt sie zu glätten.
Schritt 3: Grenze testen
Erlaubter Zugriff, verweigerter Zugriff, Service-Zugriff, privilegierter Bypass und mindestens ein Austrittspfad (Export, Sandbox-Kopie oder externe Tabelle). Protokolliere Ergebnisse mit Identität, Zeitstempel, Ressource und Policy-Version.
Schritt 4: Lücken bewerten und entscheiden
Jede gefundene Lücke erhält eine kompensierende Kontrolle, einen Owner und eine Frist — oder eine dokumentierte Risikoakzeptanz mit Ablaufdatum. Erst danach auf weitere Produkte ausdehnen.
Messung
- Anteil kritischer Produkte mit dokumentierter und bestätigter Environment-Grenze
- Anteil der Durchsetzungspunkte mit aktivem Plugin gegenüber den erwarteten Punkten
- Anzahl bekannter Austrittspfade mit kompensierender Kontrolle und verantwortlicher Person
- Anteil der Replikationen und Sandbox-Kopien mit Test auf effektiven Zugriff im Ziel
- Zeit, die benötigt wird, um Durchsetzung und Evidenz für ein Produkt zu erklären
- Anzahl privilegierter Zugriffspfade mit getestetem und protokolliertem Bypass-Weg

Checkliste
- Die Governance-Grenze ist schriftlich auf Environment-Ebene gezogen.
- Für jedes Environment sind Zweck, Datenklassen und erlaubte Übergänge festgehalten.
- Die Liste der aktiven Ranger-Plugins ist aktuell und wird als Artefakt gepflegt.
- Die Atlas-Abdeckung ist gegen die tatsächlich betriebenen Objekte geprüft.
- Externe Tabellen und direkte Storage-Zugriffe sind identifiziert und bewertet.
- Exporte, Sandbox-Kopien und Replikationen haben eine Übergangsentscheidung.
- Privilegierte und Notfallkonten sind im Umfang, getestet und protokolliert.
- Jede Governance-Frage hat genau eine verantwortliche Rolle.
- Tests auf effektiven Zugriff haben erlaubte, verweigerte, Service- und Bypass-Pfade abgedeckt.
- Nicht integrierte BI- oder Query-Schichten sind als separate Durchsetzungspunkte benannt.
- Jede offene Lücke hat eine kompensierende Kontrolle, einen Owner und eine Frist.
- Ein Review-Termin für die Grenze und ihre Annahmen ist gesetzt.
Artefakt
Das Ergebnis ist eine SDX-Grenzkarte pro Environment. Sie enthält Zweck und Kritikalität, Identity-Quelle, erlaubte Datenklassen, aktive Durchsetzungspunkte, Atlas-Abdeckung, Metastore-Konventionen, alle bekannten Austrittspfade mit kompensierenden Kontrollen, Rollen pro Fragestellung, Testergebnisse und einen Review-Termin.
Daneben entsteht ein kurzes Austrittsregister: eine Zeile pro Pfad, der die Grenze verlässt, mit Ziel, Datenklasse, Genehmiger, Kontrolle und nächstem Review. In Audits ist dieses Register regelmäßig wertvoller als das Policy-Inventar, weil es das Restrisiko zeigt.
Die Karte ist ein Betriebsvertrag. Änderungen an Environment-Zweck, Plugin-Abdeckung oder erlaubten Übergängen erzeugen eine neue Version und lösen gezielte Nachtests aus.
Werkzeuge und Referenzen
- Custom Stack Builder
- Authority Matrix Builder
- Ranger Richtlinie Pattern Generator
- Cloudera CDP mit Ranger als Governance-Startpunkt
- Governance-Plattform-Startpunkt wählen
- Lernpfad: Cloudera CDP Governance
- Glossar: Cloudera CDP, Apache Ranger, Apache Atlas, Apache Hive, Kerberos
Den Arbeitsfall in diesem Kapitel prüfen
Erfasse für den Prüffall Umgebung, Dienste, Identitätsquelle und tatsächlich genutzte Ressourcen. Zeichne den Tabellenzugang und den direkten Dateipfad getrennt. Eine pauschale Aussage „SDX schützt die Daten“ ist ohne diesen Geltungsbereich nicht prüfbar.
Gegenprobe und Abnahme: Benenne eingesetzte Runtime- und Dienstversionen. Eine für eine andere Umgebung dokumentierte Kontrolle ist noch kein Nachweis für diesen Pfad.
Halte erwartetes Ergebnis, tatsächlich beobachteten Stand, Abweichung und zuständige Entscheidung in der Arbeitsakte fest. Ein noch nicht ausgeführter Test bleibt offen.
Arbeitsakte für diese Serie herunterladen · Beispieldaten und Sollwerte
Anschluss für die nächste offene Aufgabe: Ranger: Resource-Policies oder Tag-Policies?. Übernimm den geprüften Stand und die offenen Bedingungen; zusätzliche Themen bekommen einen eigenen Auftrag.
Cloudera CDP: Governance in depth
Part 1 of 8
View series