FileInputFormat是所有使用文件作为数据源的InputFormat的积累。它提供两个功能：一个是定义哪些文件包含在一个作业的输入中；一个为输入文件生成分片的实现。自动将作业分块 作业分块大小与mapred-site.xml中的mapred.min.split.size和mapred.min.split.size和blocksize有关系。分片大小由如下公式来决定：
分片大小 = max(minimumSize, min(maximumSize, blockSize))
如果想避免文件被切分，可以采用如下两种之一，不过推荐第二种。
1)设置minimum size 大于文件大小即可
2)使用FileInputFormat子类并重载isSplitable方法返回false
import org.apache.hadoop.fs.*;
import org.apache.hadoop.mapred.TextInputFormat;
public class NonSplittableTextInputFormat extends TextInputFormat {
@Override
protected boolean isSplitable(FileSystem fs, Path file) {
return false;
}
}
1.TextInputFormat（LongWritable，Text：字节偏移量，每行的内容）
默认的InputFormat。键是改行文件在源文件中的偏移量，值是该行内容（不包括终止符，如换行符或者回车符）。如
On the top of the Crumpetty Tree
The Quangle Wangle sat,
But his face you could not see,
On account of his Beaver Hat.
被表示成键值对如下：
<0, On the top of the Crumpetty Tree>
<33, The Quangle Wangle sat,>
<57, But his face you could not see,>
<89, On account of his Beaver Hat.>
2.DBInputFormat:
DBInputFormat 在读取数据时，产生的键值对是 <LongWritable,DBWritable的实例> LongWritable仍旧是偏移量
3.KeyValueInputFormat:
如果行中有分隔符，那么分隔符前面的作为key，后面的作为value 如果行中没有分隔符，那么整行作为key，value为空 默认分隔符为
4.NLineInputFormat:
这种格式下，split的数量就不是由文件对应block块个数决定的， 而是由设置处理多少行决定， 比如一个文件 100行， 设置NlineInputFormat 处理2行，那么会产生50个map任务， 每个map任务 仍旧一行行的处理 会调用2次map函数
5.CombineTextInputFormat:将输入源目录下多个小文件 合并成一个文件(split)来交给mapreduce处理 这样只会生成一个map任务
比如用户给的文件全都是10K那种的文件， 其内部也是用的TextInputFormat 当合并大小大于(64M)128M的时候，
也会产生对应个数的split
比如用户给的文件全都是10K那种的文件， 其内部也是用的TextInputFormat 当合并大小大于(64M)128M的时候，
也会产生对应个数的split