Een bedrijf voert dagelijks een kritieke Amazon EMR-datatask uit die 6 uur duurt. De taak mag tijdens de uitvoering geen gegevens verliezen. Welke EMR-clusterconfiguratie voldoet het MEEST kosteneffectief aan deze vereisten?

De meest kosteneffectieve oplossing is een transient cluster met On-Demand Instances voor de primary en core nodes, en Spot Instances voor de task nodes. Een transient cluster wordt beëindigd na voltooiing van de taak, wat kosten bespaart in vergelijking met een long-running cluster. De primary node (master) en core nodes (met HDFS-data) moeten stabiel zijn om dataverlies te voorkomen, dus On-Demand Instances zijn hier essentieel. Task nodes verwerken data, maar slaan deze niet permanent op; ze kunnen veilig worden vervangen door Spot Instances, die aanzienlijk goedkoper zijn en geschikt zijn voor taken die tolerant zijn voor onderbrekingen. De optie met een long-running cluster is duurder omdat het cluster blijft draaien na de taak. De optie met core nodes op Spot Instances riskeert dataverlies en instabiliteit, wat onacceptabel is voor een kritieke taak.