Durchsetzung über Hive, HDFS, Ozone und Kafka konsistent halten
Warum gleiche Policy-Namen keine gleiche Wirkung bedeuten — Produktidentität, Ranger-Plugins, native Zugriffsregeln, Ozone- versus HDFS-Semantik und ein Testpfad, der Lücken sichtbar macht.
Begriffe vor dem Lesen
- Kafka speichert laufende Ereignisströme in benannten Topics. HDFS und Ozone speichern Dateien beziehungsweise Objekte in verteilten Speichersystemen.
- Eine fachliche Information kann gleichzeitig als Hive-Tabelle, Speicherpfad und Kafka-Topic vorkommen. Diese technischen Darstellungen brauchen ein gemeinsames Schutzziel.
- Eine ACL (Access Control List) ist eine native Liste erlaubter Identitäten und Aktionen. Sie kann neben Ranger-Regeln existieren und darf ihnen nicht unbemerkt widersprechen.
- Ein Ranger-Plugin ist der Durchsetzungspunkt im jeweiligen Dienst. Ohne aktives Plugin kann Ranger dort keine Anfrage prüfen.
- Ein Testpfad verfolgt denselben erlaubten und verweigerten Zugriff über jede technische Darstellung der Daten.
Ausgangslage
Ein Datenprodukt in CDP existiert selten in nur einem Dienst. Dieselben Kundendaten liegen als Hive-Tabelle, physisch als Dateien in HDFS oder als Keys in einem Ozone-Bucket, laufen als Ereignisse durch ein Kafka-Topic und werden von Spark-Jobs verarbeitet. Jeder dieser Dienste hat ein eigenes Ranger-Plugin, ein eigenes Ressourcenmodell und teilweise ein eigenes natives Berechtigungssystem. Die Governance-Aussage „diese Daten sind vertraulich“ muss in vier Sprachen übersetzt werden.
Die Übersetzung misslingt häufig an den Zugriffspfaden. Eine Hive-Maske kann wirken, während ein direkter Dateizugriff dieselben Daten unmaskiert liest. Bei Kafka muss der tatsächlich aktive Authorizer samt Ranger-Service und Identitätsauflösung geprüft werden; eine unabhängige zweite ACL-Auswertung darf nicht pauschal angenommen werden. Ozone benötigt eine eigene Prüfung seines Ressourcenmodells und seiner Zugangswege.
Der eigentliche Governance-Fehler ist die Annahme, dass Konsistenz durch gleiche Benennung entsteht. Vier Policies mit dem Namen pii-customer-restricted beweisen keine gleiche Wirkung. Wirkung entsteht aus dem Zusammenspiel von Plugin, Ressourcenpfad, Identität, Zugriffsart und Reihenfolge der Auswertung — und nur ein Test auf dem realen Pfad zeigt sie.
Entscheidung
Definiere das Schutzziel einmal pro Datenprodukt und leite daraus für jeden Dienst eine explizite Umsetzung ab, die getrennt getestet wird. Das Schutzziel ist die autoritative Aussage; die Ranger-Policy ist eine von mehreren Umsetzungen. Konsistenz wird nicht behauptet, sondern pro Zugriffspfad nachgewiesen.
Verbinde die Repräsentationen im hier beschriebenen Modell über einen stabilen Produkt-Identifier oder eine gleichwertig gepflegte Zuordnung. Verknüpfe technische Objekte, Policy-Versionen und Testprotokolle nachvollziehbar. Eine Kennung erleichtert die Untersuchung, ersetzt aber weder vollständige Audit-Erfassung noch die Zusammenführung der Ereignisse.
Der Pilot umfasst ein Datenprodukt in allen Repräsentationen, in denen es tatsächlich vorliegt. Erfolgreich ist er, wenn für jeden Zugriffspfad ein positiver und ein negativer Test vorliegt und wenn kein Pfad existiert, der das Schutzziel ohne dokumentierte Ausnahme unterläuft.

Scope und Abgrenzung
Scope-in ist das ausgewählte Datenprodukt mit allen physischen und logischen Repräsentationen: Hive-Datenbank und -Tabellen, zugrunde liegende HDFS-Pfade oder Ozone-Volumes und -Buckets, zugehörige Kafka-Topics inklusive Schema-Registry-Subjects, Spark- und NiFi-Zugriffe sowie externe Consumer über JDBC, ODBC oder Objektzugriff.
Scope-out sind andere Datenprodukte im selben Cluster, Archivkopien ohne aktive Consumer und Exportziele außerhalb der Plattform. Exportziele sind der wichtigste Grenzfall: Sobald Daten den Cluster verlassen, endet die Ranger-Wirkung. Diese Grenze wird ausdrücklich dokumentiert, statt sie stillschweigend als abgedeckt zu behandeln.
Nicht behandelt wird hier die Identitätskette selbst; sie ist Gegenstand des vorherigen Teils. Dieses Playbook setzt voraus, dass Identitäten korrekt und eindeutig sind, und konzentriert sich auf die Frage, welche Entscheidung an welchem Punkt getroffen wird.
Rollen und Entscheidungsrechte
- Data Owner: legt das Schutzziel je Datenklasse fest und akzeptiert das Restrisiko.
- Technische Plattformverantwortung: setzt das Schutzziel je Dienst um und betreibt die Ranger-Plugins.
- Service-spezifischer Betrieb (Kafka, Ozone, HDFS): entscheidet über native Konfiguration innerhalb der Leitplanken und meldet Abweichungen.
- Data Engineer: kennt die realen Zugriffspfade der Verarbeitung und ist verpflichtet, neue Pfade zu melden.
- Kontrollverantwortliche Person: definiert das erwartete Testergebnis je Pfad und bewertet Abweichungen.
- Security: entscheidet über zulässige Ausnahmen und über die Behandlung nicht abdeckbarer Pfade.
Der kritische Konflikt entsteht zwischen Data Owner und Betrieb: Der Owner formuliert ein Ziel („Klarname nur für berechtigte Rollen sichtbar“), der Betrieb kennt die Umsetzungsgrenzen („der Spark-Job liest die Datei, nicht die Tabelle“). Dieser Konflikt wird früh sichtbar gemacht, weil er sonst erst im Audit auffällt.
Produktidentität als Voraussetzung
Bevor über Policies gesprochen wird, braucht das Datenprodukt eine stabile Identität. Ein Anzeigename genügt nicht, weil Tabellen umbenannt, Topics versioniert und Pfade migriert werden. Vergib einen Identifier, der über den gesamten Lebenszyklus stabil bleibt, und verankere ihn an vier Stellen.
Erstens in Atlas als Klassifikation oder Business-Metadata-Attribut, damit tag-basierte Policies daran anknüpfen können. Zweitens in der Namenskonvention der technischen Objekte, soweit möglich, damit resource-basierte Policies mit vorhersagbaren Mustern arbeiten. Drittens in der Beschreibung jeder Policy, die dieses Produkt betrifft. Viertens im Testprotokoll und in der Evidenz.
Der Nutzen zeigt sich nicht beim Anlegen, sondern bei der ersten unangenehmen Frage. „Welche Zugriffe gab es in den letzten 30 Tagen auf dieses Datenprodukt?“ ist ohne stabile Identität eine mehrtägige Recherche über vier Auditquellen. Mit stabiler Identität ist es eine Abfrage.
Durchsetzung je Dienst
Hive und Impala
Hier ist die Ranger-Wirkung am ausgereiftesten: Datenbank-, Tabellen- und Spaltenebene, Row-Level-Filter und Masking. Die Fallstricke liegen in der Umgebung: Eigentümerrechte an Objekten, ALL-Privilegien auf Datenbankebene, und Views, die maskierte Quellen unmaskiert weiterreichen, wenn der View-Owner mehr darf als der Aufrufer.
Prüfe deshalb nicht nur die Policy, sondern auch die Objekt-Verantwortung und die View-Kette. Ein View über einer geschützten Tabelle ist ein potenzieller Umgehungsweg, wenn die Auswertung mit den Rechten des Erstellers erfolgt.
HDFS
Der HDFS-Pfad unter einer Hive-Tabelle ist der häufigste blinde Fleck. Solange ein Job Dateizugriff hat, sind Spaltenmaskierung und Row-Filter der Tabellenebene wirkungslos. Das Ranger-HDFS-Plugin kann Pfade schützen, wird aber oft mit einer Fallback-Konfiguration betrieben, die auf POSIX-Berechtigungen und Zugriffsregeln zurückfällt, wenn keine Policy greift.
Diese Fallback-Entscheidung ist eine Governance-Entscheidung. Dokumentiere pro Pfadbereich, ob Ranger allein entscheidet oder ob native Berechtigungen ergänzend wirken, und teste beide Fälle. Die häufigste Lücke: Ein Verzeichnis ist per Policy geschützt, ein Unterverzeichnis oder ein Snapshot-Pfad jedoch nicht.
Ozone
Ozone bringt ein eigenes Ressourcenmodell mit Volume, Bucket und Key. Wer HDFS-Denkmuster überträgt, unterschätzt zwei Unterschiede: Die Hierarchie ist nicht identisch mit einer Verzeichnisstruktur, und je nach Bucket-Layout verhält sich der Zugriff eher objektartig als dateisystemartig. Zusätzlich existiert der S3-Gateway-Zugang, der einen weiteren Pfad mit eigener Zugangslogik eröffnet.
Behandle jede Migration von HDFS nach Ozone als Änderung mit Kontrollwirkung. Es genügt nicht, Daten zu kopieren und Policies „sinngemäß“ nachzubauen. Der Nachweis besteht aus einem Vorher-Nachher-Test mit denselben Identitäten und demselben erwarteten Ergebnis.
Kafka
Bei Kafka entscheidet die konfigurierte Authorizer-Implementierung. Bei aktivierter Ranger-Integration wird die Autorisierung an den zugeordneten Ranger-Service angebunden. Prüfe Version, Authentifizierung, aufgelöste Identität, Ressource und Aktion. Eine native ACL-Abfrage belegt nicht automatisch eine unabhängige parallele Berechtigungsautorität. Cloudera: Ranger für Kafka aktivieren, geprüft am 20.10.2026; Dokumentationsprofil: Private Cloud Base 7.3.2, vor Übernahme mit der eigenen Version abgleichen.
Kafka-Broker-Ressourcen umfassen neben Topics unter anderem Consumer Groups, Transactional IDs und Cluster-Operationen. Schema-Registry-Subjects gehören zum gesonderten Schema-Registry-Dienst; prüfe dessen Autorisierung zusätzlich, statt sie als Kafka-Broker-Ressource zu behandeln.
Testpfade statt Policy-Reviews
Ein Policy-Review beantwortet, was konfiguriert wurde. Ein Testpfad beantwortet, was passiert. Für das Pilotprodukt wird eine Matrix aufgebaut: Zeilen sind die Zugriffspfade, Spalten sind die Identitätstypen, Zellen enthalten das erwartete Ergebnis.
Die Pfade umfassen mindestens: Hive über JDBC durch einen Analysten, Impala über ein BI-Werkzeug, Spark mit Tabellenzugriff, Spark mit Dateizugriff, direkter HDFS- oder Ozone-Zugriff über CLI, Ozone über das S3-Gateway, Kafka-Consumer über Ranger und, falls vorhanden, ein Zugriff über einen nativen Zugriffsregel-Weg.
Die Identitätstypen umfassen mindestens: berechtigter Mensch, nicht berechtigter Mensch, Service-Principal der Verarbeitung und privilegiertes Konto. Jede Zelle wird tatsächlich ausgeführt, nicht abgeleitet. Abweichungen zwischen erwartetem und tatsächlichem Ergebnis sind Backlog-Items mit Owner, nicht Anmerkungen in einem Protokoll.
Der Test wird bei jeder materiellen Änderung wiederholt: neue Policy-Version, Migration eines Pfads, neuer Consumer, Aktivierung eines zusätzlichen Zugangswegs. Die Wiederholbarkeit ist wichtiger als die Vollständigkeit beim ersten Mal.
Häufige Anti-Patterns
Gleicher Policy-Name gilt als gleiche Wirkung
Benennung ist Dokumentation, nicht Durchsetzung. Vier Dienste treffen vier Entscheidungen.
Tabellenschutz ohne Dateischutz
Wer die Spalte maskiert und den Pfad offen lässt, hat das Schutzziel nicht erreicht, sondern nur verschoben.
Ozone als HDFS mit anderem Namen
Unterschiedliche Ressourcenmodelle und der zusätzliche S3-Pfad erzeugen andere Wirkung bei gleicher Absicht.
Kafka nur auf Topic-Ebene betrachtet
Consumer Groups und Transactional IDs brauchen passende Broker-Rechte; Registry-Subjects benötigen die gesonderte Prüfung des Registry-Dienstes.
Zwei Autoritäten ohne Entscheidung
Dokumentiere je Dienst, welche Autorisierung tatsächlich aktiv ist und ob native Berechtigungen oder Fallbacks ausgewertet werden. Übertrage das Verhalten eines Dienstes nicht ungeprüft auf einen anderen.
Tests nur mit Admin-Konten
Ein privilegierter Erfolg sagt nichts über den regulären oder den verweigerten Pfad aus.
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: Repräsentationen kartieren
Alle Repräsentationen des Pilotprodukts erfassen, Zugriffspfade auflisten, Produkt-Identifier festlegen und verankern.
Schritt 2: Schutzziel und Umsetzung je Dienst entscheiden
Schutzziel schriftlich fixieren, Umsetzung je Dienst ableiten, Autoritätskonflikte zwischen Ranger und nativen Mechanismen entscheiden.
Schritt 3: Umsetzen und Testmatrix aufbauen
Policies je Dienst umsetzen, Fallback-Verhalten dokumentieren, Testmatrix definieren und erstmals vollständig durchlaufen.
Schritt 4: Lücken schließen und Ausnahmen führen
Abweichungen beheben, nicht abdeckbare Pfade als befristete Ausnahme mit kompensierendem Control dokumentieren.
Schritt 5: Wiederholbarkeit herstellen
Testmatrix automatisieren oder mindestens standardisieren, Retest-Auslöser definieren, Ausweitung auf das nächste Datenprodukt entscheiden.
Messung
- Anteil der Zugriffspfade mit dokumentiertem erwartetem Ergebnis
- Anteil der Pfade mit tatsächlich durchgeführtem positivem und negativem Test
- Anzahl der Abweichungen zwischen Schutzziel und gemessener Wirkung
- Anteil der Repräsentationen mit verankertem Produkt-Identifier
- Anzahl der Dienste mit ungeklärtem Autoritätskonflikt zwischen Ranger und nativen Mechanismen
- Zeit bis zur Beantwortung der Frage „wer hat in 30 Tagen auf dieses Produkt zugegriffen?“
- Anteil materieller Änderungen mit ausgelöstem Retest
Checkliste
- Alle Repräsentationen des Datenprodukts sind erfasst, inklusive physischer Pfade.
- Ein stabiler Produkt-Identifier ist in Atlas, Namensschema, Richtlinien und Tests verankert.
- Das Schutzziel ist einmal fachlich formuliert und je Dienst übersetzt.
- Für Hive sind Eigentümerrechte und View-Ketten geprüft, nicht nur Richtlinien.
- Für HDFS ist das Fallback-Verhalten auf native Berechtigungen dokumentiert.
- Snapshot-, Staging- und Unterverzeichnisse sind im Pfadschutz berücksichtigt.
- Für Ozone sind Volume-, Cloud-Ordner- und S3-Gateway-Zugriff getrennt bewertet.
- Für Kafka sind Topics, Nutzer Groups, Transactional IDs und Registry-Subjects abgedeckt.
- Der Autoritätskonflikt zwischen Ranger und nativen Zugriffsregeln ist je Dienst entschieden.
- Die Testmatrix deckt alle Pfade mal vier Identitätstypen ab.
- Jeder Test wurde real ausgeführt und nicht aus der Konfiguration abgeleitet.
- Abweichungen sind Backlog-Items mit Owner und Frist.
- Nicht abdeckbare Pfade sind befristete Ausnahmen mit kompensierendem Kontrollregel.
- Retest-Auslöser für materielle Änderungen sind definiert.
Artefakt
Das Ergebnis ist eine Durchsetzung Consistency Matrix für ein Datenprodukt. Sie listet je Zugriffspfad den Dienst, den Durchsetzungspunkt, die wirksame Policy oder Zugriffsregel, die geltende Autorität im Konfliktfall, das erwartete Ergebnis je Identitätstyp und das zuletzt gemessene tatsächliche Ergebnis mit Zeitstempel.
Ergänzt wird sie durch eine Liste bekannter Grenzen: Pfade, an denen die Plattformwirkung endet (Exporte, Downloads, nachgelagerte Systeme), jeweils mit der Angabe, welches Control dort greift und wer dafür verantwortlich ist. Diese Liste ist im Audit oft wertvoller als die Matrix selbst, weil sie zeigt, dass die Grenzen bekannt und nicht übersehen sind.
Die Matrix ist ein lebendes Dokument. Jede materielle Änderung erzeugt eine neue Version und markiert die betroffenen Zellen als erneut testpflichtig.
Tools und Verweise
- Ranger Richtlinie Pattern Generator
- Custom Stack Builder
- Authority Matrix
- Cloudera CDP Ranger Start
- Kafka Schema Registry Start
- Governance über mehrere Plattformen
- Lernpfad Cloudera CDP Governance
- Glossary: Apache Ranger, HDFS, Apache Kafka, Apache Hive
Den Arbeitsfall in diesem Kapitel prüfen
Führe denselben fachlichen Zugriff über die tatsächlich genutzten Kafka-, HDFS- oder Ozone-Pfade aus. Für jeden Pfad stehen Ressource, technische Identität, Aktion und zuständige Kontrollfläche im Protokoll.
Gegenprobe und Abnahme: Eine geprüfte Tabellenberechtigung bestätigt nicht automatisch Zugriff auf Datei, Objekt oder Stream. Nicht eingesetzte Dienste werden begründet aus dem Prüfumfang ausgeschlossen.
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: Der Evidence Pack für CDP: auditfähig statt screenshotbasiert. Übernimm den geprüften Stand und die offenen Bedingungen; zusätzliche Themen bekommen einen eigenen Auftrag.
Cloudera CDP: Governance in depth
Part 6 of 8
View series