hadoop建议在同一节点上使用datanode和tasktracker守护进程的原因是它希望我们的处理能力尽可能接近数据。
但是，当您必须处理多节点集群时，也会出现机架级优化。在我看来，aws通过在datanodes所在的同一机架中提供任务节点来减少i/o开销。
提供任务节点的原因是，我们需要对数据进行更多的处理，而不仅仅是将它们存储在hdfs上。我们总是希望tasktracker比daemon节点更多。因此，aws为您提供了使用完整的节点级优化来增加它的机会。
如果希望获得良好的性能，但只使用临时集群，那么将数据放入集群的方式（使用s3和核心节点）是一个不错的选择。

根据aws文件[1]
amazonemr中的节点类型如下：主节点：通过运行软件组件来管理集群的节点，以协调数据和任务在其他节点之间的分布，以便进行处理。主节点跟踪任务的状态并监视集群的运行状况。每个集群都有一个主节点，可以创建一个只有主节点的单节点集群。
核心节点：具有软件组件的节点，这些组件在集群上的hadoop分布式文件系统（hdfs）中运行任务和存储数据。多节点集群至少有一个核心节点。
任务节点：带有软件组件的节点，只运行任务，不在hdfs中存储数据。任务节点是可选的。
根据aws文件[2]
任务节点是可选的。您可以使用它们来增加对数据执行并行计算任务的能力，例如hadoopmapreduce任务和spark执行器。
任务节点不运行数据节点守护进程，也不在hdfs中存储数据。
一些用例包括：
您可以使用任务节点来处理来自s3的流。在这种情况下，网络io不会增加，因为使用的数据不在hdfs上。
由于没有运行hdfs守护进程，因此可以添加或删除任务节点。因此，没有关于任务节点的数据。核心节点运行hdfs守护进程，不断添加和删除新节点不是一个好的做法。
任务节点可以是不同的示例类型。而核心节点必须是相同的示例类型(如果示例组配置为统一示例组）
资源：
[1] https://docs.aws.amazon.com/emr/latest/managementguide/emr-overview.html#emr-集群概述
[2] https://docs.aws.amazon.com/emr/latest/managementguide/emr-master-core-task-nodes.html#emr-计划任务

传统的hadoop假设您的所有工作负载都需要高i/o，而emr则可以根据您的工作负载选择示例类型。对于高io需求，例如高达100gbps，请使用c类型或r类型，并且可以使用放置组。并将核心节点与任务节点的比率保持在1:5或更低，这将使i/o保持最佳状态，如果您想要更高的吞吐量，请选择c或r作为核心和任务(编辑-解释几乎没有任何性能损失与电子病历）
任务节点的优势它可以更快地向上/向下扩展，并且可以最小化计算成本。传统的hadoop集群无论哪种方式都很难扩展，因为从属服务器也是hdfs的一部分。任务节点是可选的，因为核心节点可以运行map和reduce。
根据任务的不同，核心节点需要更长的时间来放大/缩小，因此提供了任务节点选项，以实现更快的自动缩放。
参考文献：https://aws.amazon.com/blogs/big-data/best-practices-for-resizing-and-automatic-scaling-in-amazon-emr/

一个用例是将spot示例用作任务节点。如果它足够便宜，那么为emr集群添加一些计算能力可能是值得的。这将主要用于非敏感任务。