AWSのEMRについて

最終更新日：2026年8月10日

はじめに

項目	AWS	Microsoft Azure	Google Cloud
世界シェア	約33%（首位）	約22%	約11%
強み	サービス数・実績	Microsoft製品連携	データ分析・AI
無料枠	12ヶ月+常時無料	12ヶ月無料	常時無料枠あり
主な資格	CLF / SAA / SAP	AZ-900 / AZ-104	ACE / PCA

AWSのサービスの一つであるAmazon EMR（Amazon Elastic MapReduce)の概要、使い方、構成例について解説を行います。

Amazon EMRとは

Amazon EMR （以下EMR）は、AWS でビッグデータフレームワーク (Apache Hadoop や Apache Spark など) の実行を簡素化して、大量のデータを処理および分析するマネージド型クラスタープラットフォームです。

EMRはAWSのサービスの中では主に分析に使われ、分析に用いられる他のAWSサービスには、Amazon AthenaやAmazon OpenSearch Service、Amazon Kinesisがあります。ビッグデータを扱えるほかのAWSサービスと比較すると、EMRはより柔軟にビッグデータの処理を行えます。

また、EMRはGoogleが発表した分散処理フレームワークであるMapReduceの論文を参考に実装されています。EMRを利用することで数百、数千のインスタンスを簡単にデプロイでき、ペタバイト規模のデータを扱うことができます。

EMRの使い方

使い方としては、データの抽出、変換、読み込み（ETL）、機械学習、クリックストリームの分析、リアルタイム分析、インタラクティブ分析などがあります。
これらを一つずつ解説していきます。

使い方①〜データの抽出、変換、読み込み（ETL）〜

EMR を使用すると、並べ替え、集計、結合などのデータ変換ワークロード (ETL) を大規模なデータセットですばやく、コスト効率よく実行できます。

使い方②〜機械学習〜

EMRにはApache Spark MLlib、TensorFlow、Apache MXNet などの機械学習ツールが組み込まれ、拡張性がある機械学習アルゴリズムが利用できます。また、カスタムAMIおよびブートストラップアクションを使用すると、任意のライブラリやツールを追加した予測分析のためのツールセットを簡単に作成できます。

使い方③〜クリックストリームの分析〜

クリックストリームとはWebサイトの閲覧者が訪問から離脱までの間にどのページをどのような順序で遷移したかを記録したデータのことです。

EMRは、Amazon S3 に保存したクリックストリームデータを Apache Spark および Apache Hive を使って分析することにより、ユーザーの区分やユーザーの好みを把握して、より効果的な広告配信を行うことができます。

使い方④〜リアルタイム分析〜

分散ストリーム処理プラットフォームのひとつであるApache FlinkとApache Spark Streaming を組み合わすことにより、分散メッセージキューであるApache Kafka、リアルタイム分析サービスのAmazon Kinesis等のデータソースからストリーミングされるイベントをリアルタイムに分析することができる高い可用性と耐障害性を備えた長期間の実行に対応するストリーミングデータのパイプラインを EMR に構築できます。変換済みのデータセットは S3 や HDFS に永続的に保存し、インサイトは Amazon OpenSearch Service で活用できます。

使い方⑤〜インタラクティブ分析〜

インタラクティブな分析とは、ディスプレイ等に表示された結果に従って、コンピューターに指示を与えながら分析をすすめる事を言います。
EMRノートブックはオープンソースの Jupyter をベースにしたマネージド型の分析環境で、データサイエンティスト、アナリスト、開発者はデータの準備や可視化、同僚との共同作業、アプリケーションの構築、インタラクティブ分析の実行に活用できます。

EMRの構成例

EMRは3つのノードタイプから構成されます。マスターノードでは、処理を受け付けたタスクの分散、および分散したタスクのステータス管理、各ノードの監視などクラスタに関する管理を行います。コアノードでは、分散処理システムのApache Hadoopが利用する分散ファイルシステムであるHDFS（Hadoop Distributed File System）によりデータを保存します。HDFSは、GFS（Google File System）を参考として実装されており、HDFSは永続化の機能がなく、ノードを停止するとデータが消去されます。コアノードはHDFSに加えタスクも実行できます。タスクノードは、タスク実行のみを行うノードです。永続化データを持たないため、コストが安いスポットインスタンスをタスクノードに指定することでコスト効率が向上します。

ストレージについては、HDFSに加えてS3のデータを直接読み書き可能なEMRFS、EC2インスタンスに付属のインスタンスストアと呼ばれるローカルファイルシステムを選択できます。

押さえておきたいポイント

• EMRはHadoopやSparkといったビッグデータフレームワークの構築・運用を簡素化するマネージド型クラスターサービスで、ETLから機械学習、リアルタイム分析まで幅広い用途に対応する。
• クラスターはマスターノード・コアノード・タスクノードの3種類で構成され、永続化不要なタスクノードにスポットインスタンスを使うことでコスト効率を高められる。
• クラスター管理そのものを不要にしたい場合は、サーバーレスでSparkやHiveを実行できる「Amazon EMR Serverless」も選択肢となる。用途や運用体制に応じてクラスター型・サーバーレス型を使い分けるとよい。

よくある質問

EMRとAmazon Athenaはどう使い分ければよいですか？

Amazon Athenaは、S3上のデータに対してSQLで手軽にクエリを実行したい場合に向いています。一方EMRは、Hadoop・Spark・Hiveなど複数の分散処理フレームワークを組み合わせて、大規模なETLや機械学習、独自のチューニングが必要な処理を行いたい場合に適しています。処理内容や運用の柔軟性を求める度合いに応じて選択するとよいでしょう。

EMRのクラスターは常時起動しておく必要がありますか？

必須ではありません。処理が完了したら自動的にクラスターを終了する設定や、必要なときだけクラスターを起動するステップ実行型の使い方も可能です。常時分析基盤として使いたい場合はクラスターを起動したままにする運用も選べます。用途に応じて起動・終了のタイミングを設計することでコストを最適化できます。

EMRの料金はどのくらいかかりますか？

EMRの料金は、利用するEC2インスタンスの料金に加えてEMR自体の利用料金が加算される仕組みで、インスタンスタイプやリージョン、スポットインスタンスの利用有無などによって変動します。最新の料金体系や具体的な金額はAWS公式サイトでご確認ください。

まとめ

●EMRは、AWS でビッグデータフレームワーク (Apache Hadoop や Apache Spark など) の実行を簡素化して、大量のデータを処理および分析するマネージド型クラスタープラットフォームでAWSのサービスの中では主に分析に使われる
●EMRの使用用途としては、データの抽出、変換、読み込み（ETL）、機械学習、クリックストリームの分析、リアルタイム分析、インタラクティブ分析等がある