InputFormat，就是為了能夠從一個jobconf中得到一個split集合（InputSplit[]），然后再為這個split集合配上一個合適的RecordReader（getRecordReader）來讀取每個split中的數(shù)據(jù)。
InputSplit，繼承自Writable接口，因此一個InputSplit實則包含了四個接口函數(shù)，讀和寫（readFields和write），getLength能夠給出這個split中所記錄的數(shù)據(jù)大小，getLocations能夠得到這個split位于哪些主機之上（blkLocations[blkIndex].getHosts()），這里需要說明的是一個block要么對應一個split，要么對應多個split，因此每個split都可以從它所屬的block中獲取主機信息，而且我猜測block的大小應該是split的整數(shù)倍，否則有可能一個split跨越兩個block。
對于RecordReader，其實這個接口主要就是為了維護一組<K,V>鍵值對，任何一個實現(xiàn)了該接口的類的構造函數(shù)都需要是“(Configuration conf, Class< ? extends InputSplit> split)”的形式，因為一個RecordReader是有針對性的，就是針對某種split來進行的，因此必須得與某種split綁定起來。這個接口中最重要的方法就是next，在利用next進行讀取K和V時，需要先通過createKey和createValue來創(chuàng)建K和V的對象，然后再傳給next作為參數(shù)，使得next對形參中的數(shù)據(jù)成員進行修改。
一個file（FileStatus）分成多個block存儲（BlockLocation[]），每個block都有固定的大?。╢ile.getBlockSize()），然后計算出每個split所需的大小（computeSplitSize(goalSize, minSize, blockSize)），然后將長度為length（file.getLen()）的file分割為多個split，最后一個不足一個split大小的部分單獨為其分配一個split，最后返回這個file分割的最終結果（return splits.toArray(new FileSplit[splits.size()])）。
一個job，會得到輸入的文件路徑（conf.get("mapred.input.dir", "")），然后據(jù)此可以得到一個Path[]，對于每個Path，都可以得到一個fs（FileSystem fs = p.getFileSystem(job)），然后再得到一個FileStatus[]（FileStatus[] matches = fs.globStatus(p, inputFilter)），再把里面的每個FileStatus拿出來，判斷其是否為dir，如果是的話就FileStatus stat:fs.listStatus(globStat.getPath(), inputFilter)，然后再將stat加入到最終的結果集中result；如果是文件的話，那就直接加入到結果集中。說得簡潔一些，就是一個job會得到input.dir中的所有文件，每個文件都用FileStatus來記錄。
MultiFileSplit的官方描述是“A sub-collection of input files. Unlike {@link FileSplit}, MultiFileSplit class does not represent a split of a file, but a split of input files into smaller sets. The atomic unit of split is a file.”，一個MultiFileSplit中含有多個小文件，每個文件應該只隸屬于一個block，然后getLocations就返回所有小文件對應的block的getHosts；getLength返回所有文件的大小總和。
對于MultiFileInputFormat，它的getSplits返回的是一個MultiFileSplit的集合，也就是一個個的小文件簇，舉個簡單的例子就會很清楚了：假定這個job中有5個小文件，大小分別為2，3，5，1，4；假定我們期望split的總數(shù)目為3的話，先算出個double avgLengthPerSplit = ((double)totLength) / numSplits，結果應該為5；然后再切分，因此得到的三個文件簇為：{文件1和2}、{文件3}、{文件4和5}。如果這五個文件的大小分別為2，5，3，1，4；那么應該得到四個文件簇為：{文件1}、{文件2}、{文件3和4}、{文件5}。此外，這個類的getRecordReader依然是個abstract的方法，因此其子類必須得實現(xiàn)這個函數(shù)。