hadoop MapReduce 源码 FileInputFormat 核心方法分析

public List<InputSplit> getSplits(JobContext job) throws IOException {
    StopWatch sw = new StopWatch().start();
     //获取文件的最小值,如果没有配置,就按默认值1
    long minSize = Math.max(getFormatMinSplitSize(), getMinSplitSize(job));
     //获取最大值,如果没有配置就按默认值 long的最大值
    long maxSize = getMaxSplitSize(job);

    // generate splits
     //创建一个保存切割信息的数组
    List<InputSplit> splits = new ArrayList<InputSplit>();
    //将job中的所有文件信息。存在一个list中返回
    List<FileStatus> files = listStatus(job);
     //循环遍历所有文件
    for (FileStatus file: files) {
      //获取文件路径
      Path path = file.getPath();
      //获取文件长度
      long length = file.getLen();
      //当文件长度不等于0
      if (length != 0) {
        BlockLocation[] blkLocations;
        if (file instanceof LocatedFileStatus) {
          blkLocations = ((LocatedFileStatus) file).getBlockLocations();
        } else {
          FileSystem fs = path.getFileSystem(job.getConfiguration());
          blkLocations = fs.getFileBlockLocations(file, 0, length);
        }
         //判断是否能切割。如果能切割那就切割,有些文件是不可以切的
        if (isSplitable(job, path)) {
          //获取块大小
          long blockSize = file.getBlockSize();
          //求切割长度。根据maxsize和minsize 和 块大小来求
          // max(minsize,min(maxsize,blocksize))
          //如果是按照默认配置的话。就是块大小。
          long splitSize = computeSplitSize(blockSize, minSize, maxSize);
		 //剩余长度,一开始是lenth
          long bytesRemaining = length;
          //如果当前剩余长度>要切的长度的1.1倍。那么才切。否则不切了
          while (((double) bytesRemaining)/splitSize > SPLIT_SLOP) {
             //添加切片信息
            int blkIndex = getBlockIndex(blkLocations, length-bytesRemaining);
            splits.add(makeSplit(path, length-bytesRemaining, splitSize,
                        blkLocations[blkIndex].getHosts(),
                        blkLocations[blkIndex].getCachedHosts()));
            bytesRemaining -= splitSize;
          }
		//最后多余了一个没有切干净,就再添加一个切片信息
          if (bytesRemaining != 0) {
            int blkIndex = getBlockIndex(blkLocations, length-bytesRemaining);
            splits.add(makeSplit(path, length-bytesRemaining, bytesRemaining,
                       blkLocations[blkIndex].getHosts(),
                       blkLocations[blkIndex].getCachedHosts()));
          }
        } //如果不能切片
          else { // not splitable
           //就不切。直接拿整个
          splits.add(makeSplit(path, 0, length, blkLocations[0].getHosts(),
                      blkLocations[0].getCachedHosts()));
        }
      } //当文件长度等于零
        else { 
        //Create empty hosts array for zero length files
         //创建一个空的切割块添加进去
        splits.add(makeSplit(path, 0, length, new String[0]));
      }
    }
    // Save the number of input files for metrics/loadgen
    job.getConfiguration().setLong(NUM_INPUT_FILES, files.size());
    sw.stop();
    if (LOG.isDebugEnabled()) {
      LOG.debug("Total # of splits generated by getSplits: " + splits.size()
          + ", TimeTaken: " + sw.now(TimeUnit.MILLISECONDS));
    }
    //返回切片信息
    return splits;
  }

 

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页