（三）hadoop中FileInputFormat类的getSplits获取InputSplit的过程

FileInputFormat继承了抽象类InputFormat，来看一下InputFormat的源码：

public abstract class InputFormat<K, V> {
  public abstract 
    List<InputSplit> getSplits(JobContext context) throws IOException, InterruptedException;
  public abstract 
    RecordReader<K,V> createRecordReader(InputSplit split,TaskAttemptContext context) throws IOException,                                    InterruptedException;
}

InputFormat 主要用于描述输入数据的格式， 它提供以下两个功能。
(1)数据切分 ： 按照某个策略将输入数据切分成若干个 InputSplit， 以便确定 Map Task 个数。对应的就是getSplits方法。
(2)为 Mapper 提供输入数据： 给定某个 InputSplit， 能将其解析成一个个 key/value 对。对应的就是createRecordReader方法。

getSplits 方法主要完成数据切分的功能， 它会尝试着将输入数据切分成 InputSplit，并放入集合List中返回。
InputSplit有以下特点：
(1)逻辑分片 ： 它只是在逻辑上对输入数据进行分片， 并不会在磁盘上将其切分成分片进行存储。 InputSplit 只记录了分片的元数据信息， 比如起始位置、 长度以及所在的节点列表等。
(2)可序列化： 在 Hadoop 中， 对象序列化主要有两个作用： 进程间通信和永久存储。 此处， InputSplit 支持序列化操作主要是为了进程间通信。 作业被提交到 JobTracker 之前， Client 会调用作业 InputFormat 中的 getSplits 函数， 并将得到的 InputSplit 序列
化到文件中。 这样， 当作业提交到 JobTracker 端对作业初始化时， 可直接读取该文件， 解析出所有 InputSplit， 并创建对应的 Map Task。而createRecordReader则根据InputSplit ，将其解析成一个个 key/value 对。

---

现在再来看FileInputFormat中对这两个方法的具体实现。

先来看FileInputFormat的定义：

public abstract class FileInputFormat<K,