Amazon の EMR FAQ から:
Q: インターネットや Amazon S3 以外の場所からデータをロードできますか?
はい。Hadoop アプリケーションは、インターネット上のどこからでも、または他の AWS サービスからデータをロードできます。インターネットからデータをロードする場合、EC2 帯域幅料金が適用されることに注意してください。Amazon Elastic MapReduce は、DynamoDB のデータへの Hive ベースのアクセスも提供します。
外部 (非 S3) ソースからデータをロードするための仕様は何ですか? このオプションに関するリソースが不足しているようで、いかなる形でも文書化されていないようです。
「Hadoop 方式」で実行したい場合は、データ ソースに DFS を実装するか、MR ジョブの入力となるファイルにソース URL への参照を配置する必要があります。
同時に、hadoop はコードをデータに移動することです。S3 を介した EMR でさえ、この観点では理想的ではありません。EC2 と S3 は異なるクラスターです。そのため、データソースが物理的にデータセンターの外にある場合、効果的な MR 処理を想像するのは困難です。
Java 用の Cassandra パッケージにはorg.apache.cassandra.hadoopという名前のソース パッケージが 1 つあり、AWS Elastic MapReduce を実行しているときに Cassandra から情報を取得するために必要な 2 つのクラスがあることを知っています。
必須クラス:ColumnFamilyInputFormat.javaおよびConfigHelper.java
このリンクにアクセスして、私が話していることの例を確認してください。
基本的に、コードを介してインターネットやその他のソースのコンテンツにプログラムでアクセスできると Amazon が言っていることです。たとえば、任意の HTTP ベースのクライアント API を介して Couch データベース インスタンスにアクセスできます。