行级和列级安全性

如需限制主账号可以查看的行,以及在不复制底层 Cloud Storage 文件的情况下遮盖或屏蔽敏感列值,请在由 Lakehouse 运行时目录管理的 Apache Iceberg 表上配置 BigQuery 精细访问权限控制 (FGAC)。FGAC 包括行级安全性和具有动态数据遮盖功能的列级安全性。本文档介绍了如何创建行级访问权限政策,以及如何直接将数据政策应用于列。

您可以通过在 BigQuery 中运行 GoogleSQL 数据定义语言 (DDL) 语句,在 Apache Iceberg 表上附加和管理行级访问权限政策和列数据政策,这些语句使用由四部分组成的 P.C.N.T (Project.Catalog.Namespace.Table) 表标识符。当您的目录使用凭证发放模式时,Apache Iceberg REST 目录端点会对受 FGAC 保护的表强制执行凭证发放限制。对于直接 Cloud Storage 凭证请求,端点会返回 403 Forbidden HTTP 状态代码,除非调用主账号对每个受保护的列具有未遮盖 (RAW_DATA_ACCESS_POLICY) 访问权限,并且如果表具有行级访问权限政策,则具有未过滤的行访问权限 (FILTER USING (TRUE))。

限制

除了标准的列数据政策限制和行级安全性限制之外,对 Lakehouse 运行时目录管理的 Apache Iceberg 表的精细访问权限控制还存在以下限制:

  • 仅限 SQL DDL:您只能通过 BigQuery GoogleSQL DDL 语句(CREATE TABLE、ALTER TABLE ... ADD COLUMN、ALTER TABLE ... ALTER COLUMN ... SET OPTIONS、CREATE ROW ACCESS POLICY 和 DROP ROW ACCESS POLICY)附加、更新或分离列数据政策,以及创建或删除行级访问权限政策。不支持使用 Google Cloud 控制台、BigQuery API (tables.patch)、bq 命令行工具或 Terraform 管理这些表绑定。
  • 需要四部分 P.C.N.T 表标识符:在 DDL 语句或查询中引用由 Lakehouse 运行时目录管理的 Apache Iceberg 表时,必须使用四部分 P.C.N.T (PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME) 格式。
  • 不支持政策标记和数据治理标记:Lakehouse 运行时目录中的 Apache Iceberg 表不支持 Data Catalog 政策标记(和分类)以及 Resource Manager 数据治理标记。如需强制执行列级安全性和数据遮盖,您必须直接对列应用数据政策。
  • 不支持行级访问权限政策中的子查询:Lakehouse 运行时目录中 Apache Iceberg 表的行级访问权限政策不支持 FILTER USING 过滤表达式中的子查询。
  • 适用于开源引擎的凭据发放安全防护机制:在配置了凭据发放模式的目录中,当客户端(例如开源引擎)为受 FGAC 保护的表请求临时 Cloud Storage 凭据时,Apache Iceberg REST 目录端点会返回 403 Forbidden HTTP 状态代码。如需获取提供的凭据,调用主账号必须对每个受保护的列具有未遮盖 (RAW_DATA_ACCESS_POLICY) 访问权限,并且如果表具有行级访问权限政策,则必须具有未过滤的行访问权限 (FILTER USING (TRUE))。如需了解配置步骤,请参阅为受 FGAC 保护的表配置开源引擎凭据。
  • 最终用户凭证模式:在不使用凭证分发模式的目录中,BigQuery 仅对在 BigQuery 中运行的查询强制执行行级和列级访问权限政策,而在主账号直接读取底层 Cloud Storage 文件时,则不会强制执行这些政策。为防止主账号通过直接读取存储文件来绕过精细访问权限控制,请使用凭据分发模式。
  • 不支持联合目录:联合目录或使用跨云连接访问的外部表不支持精细访问权限控制(行级安全性和列数据政策)。

准备工作

  1. 验证是否已为您的 Google Cloud 项目启用结算功能。

  2. 启用 BigLake 和 BigQuery Data Policy API(如果尚未启用)。

    启用 API 所需的角色

    如需启用 API,您需要拥有 serviceusage.services.enable 权限。如果您创建了项目,则可能已经通过 Owner 角色 (roles/owner) 拥有此权限。否则,您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获得此权限。了解如何授予角色。

    启用 API

  3. 在凭证发放模式下,使用 Apache Iceberg REST 目录端点设置 Lakehouse 运行时目录。
  4. 创建 Apache Iceberg 表。

所需的角色

如需在 Apache Iceberg 表上管理和查询精细访问权限控制政策,您需要对 Lakehouse 表 (biglake.*) 和 BigQuery 数据政策或查询作业 (bigquery.*) 拥有 Identity and Access Management (IAM) 权限。

如需获得对 Apache Iceberg 表配置和查询行级和列级安全性所需的权限,请让您的管理员为您授予以下 IAM 角色:

  • 创建、更新、删除数据政策或授予数据政策访问权限:
  • 在 Apache Iceberg 表上附加或分离列数据政策:
  • 针对 Apache Iceberg 表创建、更新、列出或删除行级访问权限政策:
  • 查询受 FGAC 保护的 Apache Iceberg 表:

如需详细了解如何授予角色,请参阅管理对项目、文件夹和组织的访问权限。

这些预定义角色包含在 Apache Iceberg 表上配置和查询行级和列级安全性所需的权限。如需查看所需的确切权限,请展开所需权限部分:

所需权限

如需在 Apache Iceberg 表上配置和查询行级和列级安全,您需要具备以下权限:

  • 创建、更新、删除数据政策或授予数据政策访问权限:
    • 针对项目的 bigquery.dataPolicies.create 权限
    • 针对数据政策的 bigquery.dataPolicies.update 权限
    • 针对数据政策的 bigquery.dataPolicies.delete 权限
    • 针对数据政策的 bigquery.dataPolicies.get 权限
    • 针对数据政策的 bigquery.dataPolicies.setIamPolicy 权限
    • 查询项目的 bigquery.jobs.create 权限
  • 将数据政策附加到 Apache Iceberg 表列:
    • 表的 biglake.tables.setColumnDataPolicy 权限(或 CREATE TABLE 上的命名空间)
    • 表的 biglake.tables.update 权限(或 CREATE TABLE 的 biglake.tables.create 权限)
    • 针对数据政策的 bigquery.dataPolicies.get 权限
    • 针对数据政策的 bigquery.dataPolicies.attach 权限
    • 查询项目的 bigquery.jobs.create 权限
  • 从 Apache Iceberg 表列中分离数据政策:
    • 表的 biglake.tables.setColumnDataPolicy 权限
    • 表的 biglake.tables.update 权限
    • 查询项目的 bigquery.jobs.create 权限
  • 创建或更新行级访问权限政策:
    • 表的 biglake.rowAccessPolicies.create 权限
    • 表的 biglake.rowAccessPolicies.update 权限
    • 表的 biglake.rowAccessPolicies.setIamPolicy 权限
    • 针对目标表的 biglake.tables.getData
    • 查询项目的 bigquery.jobs.create 权限
  • 列出或查看行级访问权限政策:
    • 表的 biglake.rowAccessPolicies.list 权限
    • 表的 biglake.rowAccessPolicies.get 权限
    • 表的 biglake.rowAccessPolicies.getIamPolicy 权限
  • 删除一个或所有行级访问权限政策:
    • 表的 biglake.rowAccessPolicies.delete 权限
    • 表的 biglake.rowAccessPolicies.setIamPolicy 权限
    • 表的 biglake.rowAccessPolicies.list 权限(删除所有政策时)
    • 查询项目的 bigquery.jobs.create 权限
  • 查询受 FGAC 保护的 Apache Iceberg 表:
    • 表的 biglake.tables.get 权限
    • 表的 biglake.tables.getData 权限
    • 查询项目的 bigquery.jobs.create 权限

您也可以使用自定义角色或其他预定义角色来获取这些权限。

除了表级 IAM 权限之外,表上的精细政策还必须向查询主账号授权:

  • 列级安全性:必须在附加到所查询列的 RAW_DATA_ACCESS_POLICY(对于未遮盖的值)或 DATA_MASKING_POLICY(对于遮盖的值)的 grantees 列表中向主账号授予 FINE_GRAINED_READ。
  • 行级安全性:主账号必须包含在表的行级访问权限政策的 grantee_list 中,这会自动为主账号授予系统管理的 roles/biglake.filteredDataViewer 角色。此角色包含 biglake.rowAccessPolicies.getFilteredData 权限。

除了表级 IAM 权限之外,表上的精细政策还必须向查询主账号授予访问权限:

  • 列级安全性:必须在附加到所查询列的 RAW_DATA_ACCESS_POLICY(对于未遮盖的值)或 DATA_MASKING_POLICY(对于遮盖的值)的 grantees 列表中向主账号授予 FINE_GRAINED_READ。
  • 行级安全性:主账号必须包含在表的行级访问权限政策的 grantee_list 中,这会自动为主账号授予系统管理的 roles/biglake.filteredDataViewer 角色。此角色包含 biglake.rowAccessPolicies.getFilteredData 权限。

配置列级安全性和数据遮盖

您可以通过创建 BigQuery 数据政策并使用 GoogleSQL DDL 将其直接附加到表列,在 Lakehouse 运行时目录中的 Apache Iceberg 表上配置列级访问权限控制和动态数据遮盖。如需详细了解一般概念和遮盖规则定义,请参阅数据遮盖简介和通过对列应用数据政策来遮盖数据。

创建数据政策

数据政策定义了数据遮盖规则 (DATA_MASKING_POLICY) 或未遮盖的原始数据访问权限 (RAW_DATA_ACCESS_POLICY)。您可以使用 GoogleSQL DDL 或 BigQuery Data Policy API v2 创建数据政策。根据您的应用场景,运行以下语句之一:

  • 如需创建具有预定义遮盖表达式(例如 SHA256 或 ALWAYS_NULL)的数据政策,请运行 CREATE DATA_POLICY 语句:

    CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME`
    OPTIONS (
        data_policy_type = "DATA_MASKING_POLICY",
        masking_expression = "SHA256"
    );
    
  • 如需创建授权主账号读取未遮盖列值的原始数据访问权限政策,请将 data_policy_type 设置为 RAW_DATA_ACCESS_POLICY:

    CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME`
    OPTIONS (
        data_policy_type = "RAW_DATA_ACCESS_POLICY"
    );
    

替换以下内容:

  • PROJECT_ID:您的 Google Cloud项目 ID。
  • LOCATION:数据政策的区域或多区域位置(例如 us 或 us-central1)。
  • MASKING_POLICY_NAME:数据遮蔽政策的唯一名称。
  • RAW_POLICY_NAME:原始数据访问权限政策的唯一名称。

授予或撤消精细读取权限

当您直接对列应用数据政策时,数据政策中的 grantees Policy Controller 列表会控制查询时读取权限。在 GoogleSQL 中,您可以授予或撤消对数据政策的 FINE_GRAINED_READ 权限:

  • 向主账号授予对DATA_MASKING_POLICY的FINE_GRAINED_READ角色,可让主账号对受该政策保护的列拥有遮盖读取权限。
  • 在 RAW_DATA_ACCESS_POLICY 上授予 FINE_GRAINED_READ 可让主账号对受该政策保护的列拥有未遮盖(原始)读取权限。
  • 用户:principal://goog/subject/USER_EMAIL
  • 服务账号: principal://iam.googleapis.com/projects/-/serviceAccounts/SA_EMAIL
  • Google 群组: principalSet://goog/group/GROUP_EMAIL

如需管理数据政策的精细读取权限,请运行以下语句之一:

如需向主账号授予对数据政策的精细读取权限,请运行 GRANT FINE_GRAINED_READ 语句:

GRANT FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.DATA_POLICY_NAME`
TO "principal://goog/subject/USER_EMAIL",
    "principalSet://goog/group/GROUP_EMAIL";

如需撤消主账号的精细读取权限,请运行 REVOKE FINE_GRAINED_READ 语句:

REVOKE FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.DATA_POLICY_NAME`
FROM "principal://goog/subject/USER_EMAIL";

替换以下内容:

  • PROJECT_ID:您的 Google Cloud 项目 ID。
  • LOCATION:数据政策的单区域或多区域位置。
  • DATA_POLICY_NAME:数据遮盖或原始数据访问权限政策的名称。
  • USER_EMAIL:用户账号的邮箱。
  • GROUP_EMAIL:Google 群组的邮箱。

使用 P.C.N.T DDL 将数据政策附加到列

使用由四部分组成的 P.C.N.T (PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME) 格式,将数据政策附加到 Lakehouse 运行时目录中 Apache Iceberg 表的列。

标识符。根据您的应用场景,运行以下语句之一:

  • 如需通过将 (+=) 附加到列的 data_policies 选项来将数据政策附加到现有列,请运行 ALTER TABLE ... ALTER COLUMN SET OPTIONS 语句:

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies += ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}",
                        "{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"]
    );
    
  • 如需添加附加了数据政策的新列,请运行 ALTER TABLE ... ADD COLUMN 语句:

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ADD COLUMN COLUMN_NAME STRING OPTIONS (
      data_policies = ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}"]
    );
    
  • 如需创建附加了列数据政策的新 Apache Iceberg 表,请运行 CREATE TABLE 语句:

    CREATE TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` (
      id INT64,
      COLUMN_NAME STRING OPTIONS (
        data_policies = ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}",
                         "{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"]
      )
    );
    

替换以下内容:

  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME:Apache Iceberg 表的四部分 P.C.N.T 标识符。
  • COLUMN_NAME:要保护的列的名称。
  • LOCATION:数据政策的单区域或多区域位置。
  • MASKING_POLICY_NAME 和 RAW_POLICY_NAME:要附加的数据政策的名称。

分离或替换列数据政策

如需移除或替换 Apache Iceberg 表中某列的数据政策,请使用以下语句之一,并搭配由四部分组成的 P.C.N.T 表标识符:

  • 如需从列中移除所有数据政策,请将 data_policies 设置为空数组 ([]):

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies = []
    );
    
  • 如需将列上的现有数据政策替换为新列表,请使用 = 运算符,而不是 += 运算符:

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies = ["{'name':'PROJECT_ID.region-LOCATION.NEW_POLICY_NAME'}"]
    );
    
  • 如需在从引用数据政策的所有表列中分离数据政策后删除该数据政策,请运行 DROP DATA_POLICY 语句:

    DROP DATA_POLICY IF EXISTS `PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME`;
    

替换以下内容:

  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME:Apache Iceberg 表的四部分 P.C.N.T 标识符
  • COLUMN_NAME:列的名称
  • LOCATION:数据政策的单区域或多区域位置
  • NEW_POLICY_NAME 和 MASKING_POLICY_NAME:要附加或删除的数据政策的名称。

配置行级安全性

您可以使用 GoogleSQL DDL 语句创建行级访问权限政策,从而限制对 Lakehouse 运行时目录管理的 Apache Iceberg 表中特定行的访问。这些 DDL 语句使用由四个部分组成的 P.C.N.T 表标识符。如需详细了解一般行级安全性概念和过滤条件语义,请参阅使用行级安全性。

创建或更新行级访问权限政策

在表上配置行级安全性时,请为需要完整行访问权限的管理员和写入者服务账号创建包含 FILTER USING (TRUE) 子句的政策,然后为特定用户群组创建过滤后的政策。

  1. 向表管理员或写入者服务账号授予完整行访问权限 (FILTER USING (TRUE)):

    CREATE OR REPLACE ROW ACCESS POLICY ADMIN_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    GRANT TO ("group:ADMIN_GROUP_EMAIL")
    FILTER USING (TRUE);
    
  2. 创建行级访问权限政策,以根据谓词表达式过滤行:

    CREATE OR REPLACE ROW ACCESS POLICY FILTER_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    GRANT TO ("user:USER_EMAIL", "group:ANALYST_GROUP_EMAIL")
    FILTER USING (FILTER_EXPRESSION);
    

    替换以下内容:

    • ADMIN_POLICY_NAME 和 FILTER_POLICY_NAME:表上行级访问权限政策的唯一名称。
    • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME:Apache Iceberg 表的四部分 P.C.N.T 标识符。
    • ADMIN_GROUP_EMAIL、USER_EMAIL 和 ANALYST_GROUP_EMAIL:被授予行访问权限的 Google 群组或用户的邮箱。
    • FILTER_EXPRESSION:一个布尔值过滤条件表达式,其求值方式类似于 WHERE 子句(例如 region = 'APAC')。

删除行级访问权限政策

如需从 Apache Iceberg 表中移除行级访问权限政策,请运行以下语句之一:

  • 如需在表中保留其他行级访问权限政策的情况下删除特定行级访问权限政策,请运行 DROP ROW ACCESS POLICY 语句:

    DROP ROW ACCESS POLICY IF EXISTS FILTER_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;
    
  • 如需删除表上最后剩余的行级访问权限政策或所有行级访问权限政策,请运行 DROP ALL ROW ACCESS POLICIES 语句:

    DROP ALL ROW ACCESS POLICIES
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;
    

替换以下内容:

  • FILTER_POLICY_NAME:要删除的行级访问权限政策的名称。
  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME:Apache Iceberg 表的四部分 P.C.N.T 标识符

在 BigQuery 中查询受 FGAC 保护的表

当主账号使用由四个部分组成的 P.C.N.T 标识符在 BigQuery 中查询受 FGAC 保护的 Apache Iceberg 表时,BigQuery 会在查询时评估行级和列级政策:

  • 行级评估:一个或多个行级访问权限政策的 grantee_list 中的主账号会看到与这些政策的 filter_expression 谓词匹配的行的并集。未包含在表上的任何行级访问权限政策中的主账号会看到零行。
  • 列级评估:
    • 如果主账号在附加到列的 RAW_DATA_ACCESS_POLICY 上被授予 FINE_GRAINED_READ 角色,则可以看到未遮盖(原始)数据。
    • 被授予 DATA_MASKING_POLICY 的 FINE_GRAINED_READ(而不是该列的 RAW_DATA_ACCESS_POLICY)会看到遮盖的数据。如果多个遮盖政策应用于同一列上的同一主账号,BigQuery 会根据数据遮盖规则层次结构选择规则。
    • 如果主账号未获得对附加到受保护列的任何数据政策的 FINE_GRAINED_READ 角色,则在查询该列时会收到 Access Denied 错误。这些主体仍然可以显式查询不受保护的列或使用 SELECT * EXCEPT(PROTECTED_COLUMN)。

例如,以下查询会根据调用方的政策返回行和列值:

SELECT id, COLUMN_NAME
FROM `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;

替换以下内容:

  • COLUMN_NAME:要查询的列的名称。
  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME:Apache Iceberg 表的四部分 P.C.N.T 标识符。

为受 FGAC 保护的表配置开源引擎凭据

当开源查询引擎(例如 Apache Spark、Trino 或 Apache Flink)在配置了凭证发放模式的目录中读取或写入 Apache Iceberg 表时,该引擎会调用 Apache Iceberg REST 目录端点,以获取范围缩小、有效期短的 Cloud Storage 凭证。

由于直接访问 Cloud Storage 文件会绕过 BigQuery 中的查询时政策评估,因此 Apache Iceberg REST 目录端点会强制执行凭证分发护栏。当主账号请求 FGAC 保护的表的存储凭据时,除非主账号对该表具有完全访问权限,否则护栏会返回 403 Forbidden HTTP 状态代码:

  • 对所有受保护列的未遮盖(原始)数据访问权限:表中的每个受保护列还必须附加 RAW_DATA_ACCESS_POLICY。向调用主账号授予对该 RAW_DATA_ACCESS_POLICY 的 FINE_GRAINED_READ 权限。
  • 未过滤的行访问权限(所有行):如果表附加了任何行级访问权限政策,请向调用主账号授予具有 FILTER USING (TRUE) 子句的行级访问权限政策。

向开源引擎写入者服务账号授予完整访问权限

运行开源引擎作业(例如 Managed Service for Apache Spark 或 Dataflow 中的作业)的服务账号需要具有完整的表访问权限,才能获取受 FGAC 保护的 Apache Iceberg 表的已售凭证。如需授予此访问权限,请在 BigQuery 中完成以下步骤:

  1. 对所有受保护的列授予原始数据访问权限 (RAW_DATA_ACCESS_POLICY):将 RAW_DATA_ACCESS_POLICY 附加到表中的每个受保护列,然后使用服务账号的 IAM v2 主账号标识符 principal://IAM.googleapis.com/projects/-/serviceAccounts/SA_EMAIL 向其授予 FINE_GRAINED_READ 权限:

    -- 1. Create a raw data access policy (if not already created)
    CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME`
    OPTIONS (
      data_policy_type = "RAW_DATA_ACCESS_POLICY"
    );
    
    -- 2. Grant FINE_GRAINED_READ on the raw data access policy to the writer service account
    GRANT FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME`
    TO "principal://iam.googleapis.com/projects/-/serviceAccounts/WRITER_SA_EMAIL";
    
    -- 3. Attach the raw data access policy to each protected column on the table
    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies += ["{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"]
    );
    
  2. 如果启用了行级安全性,请授予全行访问权限政策:如果表具有行级访问权限政策,请向服务账号授予具有 FILTER USING (TRUE) 子句的行级访问权限政策:

    CREATE OR REPLACE ROW ACCESS POLICY WRITER_ROW_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    GRANT TO ("serviceAccount:WRITER_SA_EMAIL")
    FILTER USING (TRUE);
    

替换以下内容:

  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME:Apache Iceberg 表的四部分 P.C.N.T 标识符
  • LOCATION:数据政策的单区域或多区域位置
  • RAW_POLICY_NAME:原始数据访问政策的名称
  • COLUMN_NAME:表中每个受保护列的名称
  • WRITER_ROW_POLICY_NAME:写入者行级访问权限政策的唯一名称
  • WRITER_SA_EMAIL:调用 Apache Iceberg REST 目录端点的服务账号的邮箱,例如 spark-writer-sa@PROJECT_ID.。

后续步骤