InputFormat主要用於對輸入數據的描述。提供了兩個功能。
1，數據的切片。InputFormat按照某個策略，將輸入數據切分為若干個split，Map任務的個數和split的個數相對應。
Inputformat中對應getSplits的方法，完成數據切分的功能。歸於inputsplit有兩個特點。
A，邏輯分片。Inputsplit只是在邏輯上對輸入的數據進行分片，並不會在磁盤上將其切分，inputspli只是記錄了分片的元數據信息，比如說起始位置，長度和節點的列表等。
B，可序列化。Inputsplit序列化以方便進程間通信。作業提交的時候，inputsplit會序列化到文件中，在map任務啟動前，初始化的時候可以直接讀取文件。
inputformat的FileInputFormat中inputsplit的切分過程。
FileInputFormat的切分主要包括兩個方面，一是文件的切分。二是host的選擇。
文件的切分，主要是要確認每一個切片的大小splitSize,切片的數量為文件的大小/splitSize。hadoop中切片的大小是如下確認的：
splitSize=max{minSize,min{maxSize,BlockSize}};
其中minSize和maxSize可以進行配置，BlockSize是hdfs中每個block的大小。
host選擇算法直接印象運行過程中任務的本地性。hadoop對本地性划分為3個等級，node，rack，datacenter。host在選擇的時候是選擇包含該inputsplit數據總量最大的前幾個節點
2，位Mapper提供輸入數據。通過某個給定的split，能夠將其解析成一個個的key/value對。inputformat中另外一個方法是getRecordReader；通過傳入inputsplit，返回recordReader對象。Map任務執行過程中，就是通過不斷的調用RecordReader的方法迭代獲取key/value.
順便說一下outputformat。
outputformat中主要包括兩個方法1，getRecoreWrite。2，checkOutputSpecs。
checkOutputSpecs主要檢查輸出目錄是否合法，一般在作業提交之前會被調用，如果目錄已經存在就會拋出異常，放置文件被覆蓋。
fileOutPutFormat的實現中為了放置推測式的任務產生沖突，會為每個task任務數據創建side-effect，將產生的數據臨時寫入該文件，等task完成后在移動到最終輸出任務。