MapReduce程序开发中的FileInputFormat与TextInputFormat

2016年4月3日20:17:44

                                                             MapReduce程序开发中的FileInputFormat与TextInputFormat

                                                                                                   作者:数据分析玩家

       在MapReduce程序的开发过程中,往往需要用到FileInputFormat与TextInputFormat,但是这两个类究竟是用来做什么的,在源代码的追踪过程中,我们会发现TextInputFormat这个类继承自FileInputFormat,FileInputFormat这个类继承自InputFormat,而在InputFormat的源代码中:
       * Split-up the input file(s) into logical {@link InputSplit}s, each of
       * which is then assigned to an individual {@link Mapper}.
通过这段源代码:我们可以大致知道:InputFormat这个类会将文件file按照逻辑进行划分,划分成的每一个split切片将会被分配给一个Mapper任务,而在MapReduce的原理运行中:
        MapReduce程序开发中的FileInputFormat与TextInputFormat_第1张图片

我们可以发现确实是这样的,文件先被切分成split块,而后每一个split切片对应一个Mapper任务
下面:我们将对FileInputFormat与TextInputFormat这两个类的具体功能进行阐述

FileInputFormat这个类先对输入文件进行逻辑上的划分,以64M为单位,将原始数据从逻辑上分割成若干个split,每个split切片对应一个Mapper任务

MapReduce程序开发中的FileInputFormat与TextInputFormat_第2张图片

对于FileInputFormat这个类,我们需要注意:FileInputFormat这个类只划分比HDFS的block块大的文件,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.如果一个文件的大小比block块小,将不会被FileInputFormat这个类进行逻辑上的划分,此时每一个小文件都会当做一个split块并分配一个Mapper任务,导致效率低下.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。

当FileInputFormat这个类将文件file切分成block块之后,TextInputFormat这个类随后将每个split块中的每行记录解析成一个一个的键值对,即.

MapReduce程序开发中的FileInputFormat与TextInputFormat_第3张图片

综上:我们可以简单理解为FileInputFormat这个类是将文件file切分成split块,而TextInputFormat这个类是负责将每一行记录解析为键值对.

                                                                                                                                                                                        2016年4月3日21:13:05




       



你可能感兴趣的:(MapReduce,MapReduce篇)