hadoop之输入输出格式

<STRONG>jobConf.setInputFormat(MyInputFormat. class );

InputFormat：</STRONG>

TextInputFormat：用于读取纯文本文件，文件被分为一系列以LF或CR结束的行，key是每一行的偏移量(LongWritable)，value是每一行的内容(Text)。

KeyValueTextInputFormat：用于读取文件，如果行被分隔符分割为两部分，第一部分为key，剩下的为value；若没有分隔符，整行作为key，value为空。

SequenceFileInputFormat：用于读取SequenceFile，读取格式要与写出SequenceFileOutputFormat时设置的setOutputKeyClass与setOutputValueClass一致（key+value的格式）。

SequenceFileInputFilter：根据filter从SequenceFile中取得满足条件的数据，通过setFilterClass指定Filter，内置了三种Filter，RegexFilter取key值满足指定的正则表达式的记录；PercentFilter通过指定参数f，取记录行数f%==0的记录；MD5Filter通过指定参数f，取MD5(key)%f==0的记录。

例子：conf.setInputFormat(KeyValueTextInputFormat.class); 

 

 

<STRONG>jobConf.setOutputFormat(MyOutputFormat. class ); 

setOutputFormat：</STRONG>

TextOutputFormat：输出到纯文本文件，格式为key + “    ”+ value。

NullOutputFormat：hadoop中的/dev/null，将输出送进黑洞。

SequenceFileOutputFormat，输出SequenceFile文件，其具体格式与setOutputKeyClass，setOutputValueClass相关 ，如此SequenceFileInputFormat的读取格式应该与SequenceFileOutputFormat的输出格式一致（key+value的格式）

MultipleSequenceFileOutputFormat, MultipleTextOutputFormat：根据key将记录输出到不同的文件，可以被重写 

DBInputFormat和DBOutputFormat，从DB读取，输出到DB。

例子：conf.setOutputFormat(TextOutputFormat.class);

（转载）

InputSplit决定了每个Mapper要处理的数据集；

 

而InputFormat则决定了每一个Split里面的数据格式/数据结构；详见（http://book.douban.com/annotation/17068812/）