Hadoop-InputFormat之getSplits源码剖析

 /** 
   * Generate the list of files and make them into FileSplits.
   * @param job the job context
   * @throws IOException
   */
  public List<InputSplit> getSplits(JobContext job) throws IOException {
    StopWatch sw = new StopWatch().start();
    //获取InputSplit的size的最小值minSize和最大值maxSize
    /*
    getFormatMinSplitSize()=1
    getMinSplitSize(job)=0
    所以最终minSize=1
     */
    long minSize = Math.max(getFormatMinSplitSize(), getMinSplitSize(job));
    /*
    getMaxSplitSize(job)=Long.MAX_VALUE
    所以maxSize等于Long的最大值
     */
    long maxSize = getMaxSplitSize(job);

    // 创建List,准备保存生成的InputSplit
    List<InputSplit> splits = new ArrayList<InputSplit>();
    //获取输入文件列表
    List<FileStatus> files = listStatus(job);

    /*
    !getInputDirRecursive(job) = !false = true
    job.getConfiguration().getBoolean(INPUT_DIR_NONRECURSIVE_IGNORE_SUBDIRS, false) = false
    所以ignoreDirs=false
     */
    boolean ignoreDirs = !getInputDirRecursive(job)
      && job.getConfiguration().getBoolean(INPUT_DIR_NONRECURSIVE_IGNORE_SUBDIRS, false);
    //迭代输入文件列表
    for (FileStatus file: files) {
      //是否忽略子目录,默认不忽略
      if (ignoreDirs && file.isDirectory()) {
        continue;
      }
      //获取 文件/目录 路径
      Path path = file.getPath();
      //获取 文件/目录 长度
      long length = file.getLen();
      if (length != 0) {
        //保存文件的Block块所在的位置
        BlockLocation[] blkLocations;
        if (file instanceof LocatedFileStatus) {
          blkLocations = ((LocatedFileStatus) file).getBlockLocations();
        } else {
          FileSystem fs = path.getFileSystem(job.getConfiguration());
          blkLocations = fs.getFileBlockLocations(file, 0, length);
        }
        //判断文件是否支持切割,默认为true
        if (isSplitable(job, path)) {
          //获取文件的Block大小,默认128M
          long blockSize = file.getBlockSize();
          //计算split的大小
          /*
          内部使用的公式是:Math.max(minSize, Math.min(maxSize, blockSize))
          splitSize = Math.max(1, Math.min(Long.MAX_VALUE, 128))=128M=134217728字节
          所以我们说默认情况下split逻辑切片的大小和Block size相等
           */
          long splitSize = computeSplitSize(blockSize, minSize, maxSize);

          //还需要处理的文件剩余字节大小,其实就是这个文件的原始大小
          long bytesRemaining = length;
          //
          /*
          SPLIT_SLOP = 1.1
          文件剩余字节大小/1134217728【128M】 > 1.1
          意思就是当文件剩余大小bytesRemaining与splitSize的比值还大于1.1的时候,就继续切分,
          否则,剩下的直接作为一个InputSplit
          敲黑板,划重点:只要bytesRemaining/splitSize<=1.1就会停止划分,将剩下的作为一个InputSplit
           */
          while (((double) bytesRemaining)/splitSize > SPLIT_SLOP) {
            int blkIndex = getBlockIndex(blkLocations, length-bytesRemaining);
            //组装InputSplit
            /*
            生成InputSplit
            path:路径
            length-bytesRemaining:起始位置
            splitSize:大小
            blkLocations[blkIndex].getHosts()和blkLocations[blkIndex].getCachedHosts():所在的 host(节点) 列表
            makeSplit(path, length-bytesRemaining, splitSize,
                        blkLocations[blkIndex].getHosts(),
                        blkLocations[blkIndex].getCachedHosts())
             */
            splits.add(makeSplit(path, length-bytesRemaining, splitSize,
                        blkLocations[blkIndex].getHosts(),
                        blkLocations[blkIndex].getCachedHosts()));
            bytesRemaining -= splitSize;
          }

          //最后会把bytesRemaining/splitSize<=1.1的那一部分内容作为一个InputSplit
          if (bytesRemaining != 0) {
            int blkIndex = getBlockIndex(blkLocations, length-bytesRemaining);
            splits.add(makeSplit(path, length-bytesRemaining, bytesRemaining,
                       blkLocations[blkIndex].getHosts(),
                       blkLocations[blkIndex].getCachedHosts()));
          }
        } else { // not splitable
          //如果文件不支持切割,执行这里
          if (LOG.isDebugEnabled()) {
            // Log only if the file is big enough to be splitted
            if (length > Math.min(file.getBlockSize(), minSize)) {
              LOG.debug("File is not splittable so no parallelization "
                  + "is possible: " + file.getPath());
            }
          }
          //把不支持切割的文件整个作为一个InputSplit
          splits.add(makeSplit(path, 0, length, blkLocations[0].getHosts(),
                      blkLocations[0].getCachedHosts()));
        }
      } else { 
        //Create empty hosts array for zero length files
        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));
    }
    return splits;
  }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sunywz

~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值