您的位置：首页 > 其它

MapReduce程序开发中的FileInputFormat与TextInputFormat

2016-04-03 21:14 288 查看
2016年4月3日20:17:44

MapReduce程序开发中的FileInputFormat与TextInputFormat

作者：数据分析玩家

在MapReduce程序的开发过程中，往往需要用到FileInputFormat与TextInputFormat，但是这两个类究竟是用来做什么的，在源代码的追踪过程中，我们会发现TextInputFormat这个类继承自FileInputFormat，FileInputFormat这个类继承自InputFormat，而在InputFormat的源代码中：
* Split-up the input file(s) into logical {@link InputSplit}s, each of

* which is then assigned to an individual {@link Mapper}.
通过这段源代码：我们可以大致知道：InputFormat这个类会将文件file按照逻辑进行划分，划分成的每一个split切片将会被分配给一个Mapper任务，而在MapReduce的原理运行中：





我们可以发现确实是这样的，文件先被切分成split块，而后每一个split切片对应一个Mapper任务
下面：我们将对FileInputFormat与TextInputFormat这两个类的具体功能进行阐述

FileInputFormat这个类先对输入文件进行逻辑上的划分,以64M为单位,将原始数据从逻辑上分割成若干个split,每个split切片对应一个Mapper任务





对于FileInputFormat这个类，我们需要注意：FileInputFormat这个类只划分比HDFS的block块大的文件,所以FileInputFormat划分的结果是这个文件或者是这个文件中的一部分.如果一个文件的大小比block块小,将不会被FileInputFormat这个类进行逻辑上的划分，此时每一个小文件都会当做一个split块并分配一个Mapper任务,导致效率低下.这也是Hadoop处理大文件的效率要比处理很多小文件的效率高的原因。



当FileInputFormat这个类将文件file切分成block块之后，TextInputFormat这个类随后将每个split块中的每行记录解析成一个一个的键值对，即<k1,v1>.







综上：我们可以简单理解为FileInputFormat这个类是将文件file切分成split块，而TextInputFormat这个类是负责将每一行记录解析为键值对<k1,v1>.

2016年4月3日21:13:05
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航