fileinputformat

HDFS存储系统中，为了存储引出块的概念，块是存储的最小单位，HDFS上的文件都是以块为单位存储的。块的大小一般为64MB或128MB，块的大小有可能会变得更大。

Hadoop在提交作业时，要提交的作业需要进行分片，以达到分而治之的目的，分片操作是根据源文件的情况按照规则划分一系列的InputSplit，每个分片一般有一个Mapper进行处理，所谓的分片只是逻辑上的分片并不需要进行物理上的划分。具体的分片细节由InputSplitFormat 指定，可以调用方法 long splitSize=computeSplitSize（goalSize,minSize,blockSize）；以获取分片大小。computeSplitSize 方法返回的大小是 Math.max（minSize,Math.min（goalSize,blockSize））;。

其中 goalSize 为输入文件的大小/“配置中定义的 mapred.map.tasks”值，minSize 为mapred.min.split.size,blockSize为128MB，所以，这个算式为取分片大小不大于block，并且不小于在mapred.min.split.size配置中定义的最小Size。当某个分块分成均等的若干分片时，会有最后一个分片大小小于定义的分片大小，则该分片独立成为一个分片。