目录
1.InputFormat数据输入
1.1.切片与MapTask并行度决定机制
1.2.Job提交流程源码和切片源码
1.3.FileInputFormat切片机制
1.4.TextInputFormat
1.5.CombineTextInputFormat切片机制
1.6.CombineTextInputFormat
1.InputFormat数据输入
1.1.切片与MapTask并行度决定机制
MapTask的并行度决定Map阶段的任务处理并发度，进而影响到整个Job的处理速度。
MapTask并行度决定机制
数据块：Block是HDFS物理上的数据分割，数据块是HDFS存储数据单位
数据切片：数据切片是MapReduce程序计算输入数据的单位，一个切片会对应一个MapTask（逻辑切分，并非物理切分）
1.一个Job的Map阶段并行度由客户端在提交Job时的切片数决定
2.每一个Split切片分配一个MapTask并行实例处理
3.默认情况下，切片大小=BlockSize
4.切片时不考虑数据集整体，而是逐个针对每个文件单独切片
1.2.Job提交流程源码和切片源码
1）Job提交流程源码
2）FileInputFormat切片源码
1.程序先找到数据存储的目录
2.开始遍历处理（规划切片）目录下的每一个文件
3.遍历第一个文件
3.1.获取文件大小fs.sizeOf(txt)
3.2.计算切片大小computeSplitSize(Math.max(minSize.Math.min(maxSize.blocksize)))=blocksize=128M
3.3.默认情况下，切片大小=blocksize
3.4.开始切片，（0-128M）（128-256M）（256-300M）每次切片时，都要判断切完剩下的部分是否大于块的1.1倍，不大于1.1倍就划分一块切片
3.5.将切片信息写到一个切片规划文件中
3.6.InputSplit只记录切片的元数据信息，比如起始位置、长度以及所在节点列表
4.提交切片规划文件到Yarn上，Yarn上的MrAppMaster就可以根据切片规划文件计算开启MapTask个数
1.3.FileInputFormat切片机制
1）切片机制
1.简单的按照文件的长度进行切片
2.切片大小，默认等于bolck大小
3.切片时不考虑数据集整体，而是逐个针对每一个文件单独切片
2）FileInputFormat切片大小的参数配置
源码中计算切片大小的公式
Math.max(minSize,Math.min(maxSize,blockSize))
mapreduce.input.fileinputformat.split.minsize=1（默认值为1）
mapreduce.input.fileinputformat.split.maxsize=Long.MAXValue（默认值Long.MAXValue）
因此，默认情况下， 切片大小=blockSize
切片大小设置
maxsize（切片最大值）：参数如果调的比blockSize小，则会让切片变小，而且等于配置的这个参数的值
minSize（切片最小值）：参数调的比blockSize大，则可以让切片变得比blockSize大
获取切片信息API
//获取切片的文件名称
String name = inputSplit.getPath().getName();
//根据文件类型获取切片信息
FileSplit inputSplit = (FileSplit)context.getInputSplit();1.4.TextInputFormat
1.5.CombineTextInputFormat切片机制
1）应用场景
用于小文件过多的场景，可以将多个小文件从逻辑上规划到一个切片中，这样多个小文件就可以交给一个MapTask处理
2）虚拟存储切片最大值设置
CombineTextInputFormat.setMaxInputSplitSize(job,4194304);//4M
3)切片机制
生成切片过程包括：虚拟存储过程和切片过程两部分
