EMR叢集中由多個不同的節點執行個體類型組成，他們分別是主執行個體節點（Master），核心執行個體節點（Core）和計算執行個體節點（Task），每一種不同的執行個體在部署的時候會部署完全不同的服務進程，以完成完全不同的任務。舉例來說，我們會在主執行個體節點（Master）上部署 Hadoop HDFS 的 Namenode 服務，Hadoop YARN 的 ResourceManager 服務，而在核心執行個體節點（Core）上部署 Datanode 服務，Hadoop YARN 的 NodeManager 服務，在計算執行個體節點（Task）顧名思義，只進行計算，部署 Hadoop YARN 的 NodeManager 服務，不部署任何 HDFS 相關的服務。
Master 主執行個體
主執行個體是叢集服務的管控等組件的部署的節點，舉例來說，Hadoop YARN 的 ResourceManager 就部署在主執行個體節點上。使用者可以通過 SSH 的方式串連到主執行個體上，通過軟體的 Web UI 來查看叢集上的服務的運行情況。同時當需要進行快速的測試或者運行作業的時候，也可以登入到主執行個體上，通過命令列來直接提交作業。當叢集開啟了高可用的時候會有2個主執行個體節點，預設只有1個。
Core 核心執行個體
核心執行個體是被主執行個體管理的執行個體節點。上面會運行 Hadoop HDFS 的 Datanode 服務，並儲存所有的資料。同時也會部署計算服務，比如 Hadoop YARN 的 NodeManager 服務，來執行計算任務。為滿足儲存資料量或者是計算量上升的需要，核心執行個體可以隨時的擴容，不影響當前叢集的正常運行。核心使用可以使用多種不同的儲存介質來儲存資料。參考磁碟介紹。
Task 計算執行個體
計算執行個體是專門負責計算的執行個體節點，是一個可選的執行個體類型。如果核心執行個體的計算能力足夠的情況下，可以不使用計算執行個體。計算執行個體可以在任何時候快速的為叢集增加額外的計算能力，如 Hadoop 的 MapReduce tasks， Spark executors 等。在計算執行個體上不會儲存 HDFS 的資料，因此在計算執行個體上不運行 Hadoop HDFS 的 Datanode服務。計算執行個體可以隨時的新增和減少，都不會影響到現有叢集的運行。計算執行個體節點的減少可能會引起 MapReduce 和 Spark 的作業的失敗，能否成功取決於該計算服務的重試容錯能力。