Amazon ec2 对EC2上Hadoop的建议？

在EC2中运行Hadoop时，我似乎有两个选择：

• A:使用Hadoop附带的特定于EC2的shell脚本，自己管理集群
• B:使用弹性MapReduce，为方便起见多付一点钱

我倾向于B，但我希望有更多经验的人给我一些建议。以下是我的问题：

是否有任何任务可以用其中一种方法完成，但不能用另一种方法完成

除了这两个，还有其他选择吗

如果我选择B，回到A有多容易？也就是说，供应商锁定的危险是什么

---

Amazon Elastic MapReduce（EMR）开发团队的知情人士告诉我，使用EMR至少还有两个好处：a）Amazon正在积极地对EMR上使用的Hadoop代码库进行bug修复和性能增强，b）Amazon在EMR服务器和S3服务器之间使用了一个高性能网络，而EC2服务器和S3服务器之间可能不可用

更新：见@mat的评论，该评论反驳了使用电子病历的传闻优势

第三种选择：

---

您可以使用在ec2上设置hadoop群集（rackspace也受支持）

免责声明：我是Axemblr.com的创始人

你也可以使用商业替代品。是一个我们正在构建的工具，它可以在几分钟内部署一个集群，并满足您的所有需求（包括Cloudera Hue、Mahout和Pig）

我们还正在构建一个从API角度完全兼容的EMR替代方案，目标是私有云

如果您想知道为什么在EC2上运行CDH而不是EMR是有意义的，请参阅：

---

他们是否为Hadoop项目提供了bug修复和增强功能？如果他们是，那么这与我的问题无关。如果他们没有，那么我担心的另一件事就是：供应商锁定。a）到目前为止，我们所做的大多数补丁，特别是蜂巢周围的补丁，都已被接收回主干中。b） 这是完全错误的；代表我们的客户提供EMR的实例与您自己可能启动的EC2实例没有任何不同（在资源方面）。