Estoy revisando la documentación en línea y encontré la siguiente diferencia entre el núcleo no y el nodo de tarea.
debido a lo anterior, AWS sugiere que no es una buena idea escalar los nodos principales en función de la carga, ya que el reequilibrio de hdfs podría llevar tiempo y solo debería reequilibrar los nodos de tareas.
Sin embargo, si planeo usar EMRFS, ¿necesito nodos centrales? ¿Cuál es el usuario de HDFS en este caso si planeo acceder a datos desde s3.
Necesita al menos 1 nodo principal.
Si desea utilizar s3distcp después de terminar un trabajo de escritura en HDFS local, entonces necesita más Core Nodes de este tipo.