概述
InputFormat是MapReduce中的第一个重要阶段,它主要做了两部分工作,第一步过滤inputPath, 生成inputSplit,写入文件.staging/job.split,每个inputsplit对应一个map。第二步,构建recordReader, 生成
InputFormat
Usage:
- 验证job的inputPath里面的文件。
- 划分输入文件,生成逻辑的inputSplits,每一个inputSplit作为一个map的处理数据。
- 提供一个recorderReader给Map使用。
RecordReader
Method:
- abstract void initialize(InputSplit split, TaskAttemptContext context)这个方法只执行一次,在mapTask的初始化的时候调用。
- abstract boolean next(K key, V value) 每调用一次,生成一组(key, value)键值对,交给map处理。
readLine对跨block两种处理方法
- 上一个block读到小于end,下一个block读取时,首先回退一个字符,读一行丢掉。参考:CombineRecordReader的实现。
- 上一个block多读一个字符,读到小于等于end,读一下block时不需要特殊处理,直接读。参考:LineRecordReader的实现
InputFormat的使用
- MapReduce中的配置:Job.setInputFormatClass()
- Job初始化的获取:MapTask中的runNewMapper方法会获取Job中set的InputFormat的方法,然后通过inputformat获取recordreader。
- MapReduce运行时的工作:Context会调用MapContext,再调用MapContextImpl.getCurrentKey(),再调用RecordReader.getCurrentKey()