MapReduce输入的处理类

1、FileInputFormat:
FileInputFormat是所有以文件作为数据源的InputFormat实现的基类，FileInputFormat保存作为job输入的所有文件，并实现了对输入文件计算splits的方法。至于获得记录的方法是有不同的子类——TextInputFormat进行实现的。
2、InputFormat：
InputFormat 负责处理MR的输入部分.有三个作用:
验证作业的输入是否规范.
把输入文件切分成InputSplit.
提供RecordReader 的实现类，把InputSplit读到Mapper中进行处理
3、InputSplit：
（1）在执行mapreduce之前，原始数据被分割成若干split，每个split作为一个map任务的输入，在map执行过程中split会被分解成一个个记录（key-value对），map会依次处理每一个记录。
（2）FileInputFormat只划分比HDFS block大的文件，所以FileInputFormat划分的结果是这个文件或者是这个文件中的一部分.                
（3）如果一个文件的大小比block小，将不会被划分，这也是Hadoop处理大文件的效率要比处理很多小文件的效率高的原因。
（4）当Hadoop处理很多小文件（文件大小小于hdfs block大小）的时候，由于FileInputFormat不会对小文件进行划分，所以每一个小文件都会被当做一个split并分配一个map任务，导致效率底下。
4、TextInputFormat：
（1）TextInputformat是默认的处理类，处理普通文本文件。
（2）文件中每一行作为一个记录，他将每一行在文件中的起始偏移量作为key，每一行的内容作为value。
（3）默认以\n或回车键作为一行记录。
（4）TextInputFormat继承了FileInputFormat。