1.切片机制
切片大小,默认等于Block(128M)大小
切片时不考虑数据集整体,而是逐个针对每一个文件单独切片
简单地按照文件的内容长度进行切片
2.源码中计算公式可以调整切片大小(默认等于Block(128M)大小)
computeSplitSize(Math.max(minSize,Math.min(maxSize,blocksize)))=blocksize=128M
mapreduce.input.fileinputformat.split.minsize=1 (默认值为1)
mapreduce.input.fileinputformat.split.maxsize= Long.MAXValue (Long最大值)
每次切片时,需要判断切完剩下的部分是否大于块的1.1倍,不大于1.1倍就划分一块切片,大于则分两块。
切片大小调整如下:
maxsize(切片最大值):参数如果调得比blockSize小,则会让切片变小,而且就等于配置的这个参数的值。
minsize(切片最小值):参数调的比blockSize大,则可以让切片变得比blockSize还大。
获取切片信息API
// 获取切片的文件名称
String name = inputSplit.getPath().getName();
// 根据文件类型获取切片信息
FileSplit inputSplit = (FileSplit) context.getInputSplit();