1. TextInputFortmat
TextInputFormat是默認的InputFormat。每條記錄是一行輸入。Key是LongWritable類型，存儲該行在整個文件中的字節偏移量（不是行數），值是這行的內容，為一個Text對象。
例如輸入文件為：
grunt> cat test2
12,e21,ddwq,dqw,dwqw
sfd,cda,cdsz,cdwq,qwe
12,cds,fwa,feacd,cadfa
21ede,cdsf,ca,fa,dcac
caewf,ea,cdadc,acds,acsd
12e,afs,afesd,caefd,cawc
cax,cafe,caefe,fea,ceaef
在使用默認的 Map處理后輸出：
grunt> cat out
0 12,e21,ddwq,dqw,dwqw
21 sfd,cda,cdsz,cdwq,qwe
43 12,cds,fwa,feacd,cadfa
66 21ede,cdsf,ca,fa,dcac
88 caewf,ea,cdadc,acds,acsd
113 12e,afs,afesd,caefd,cawc
138 cax,cafe,caefe,fea,ceaef
可以看到Key的值並不是行數，而是字節在文件中的偏移量。一般情況下，很難獲取到文件的行號，因為文件是按字節切分為分片，而不是按行切分。
在按行讀文本的情況下，可能會存在超長行的情況。超長行會導致內存溢出，可以通過設置 mapreduce.input.linerecordreader.line.maxlength，指定一個最長行的字節數（在內存范圍內），可以確保 recordreader 跳過超長行。
2. KeyValueTextInputFormat
TextInputFormat 將文件中的行作為Key，每行對應的文本作為Value。但是對於某些文件內容已經是 Key-Value 形式的話，使用 TextInputFormat 會顯得多次一舉。在這種情況下，我們可以使用KeyValueTextInputFormat，它以某個分隔符進行分割（默認為制表符）:
public KeyValueLineRecordReader(Configuration conf) throws IOException {
String sepStr = conf.get("mapreduce.input.keyvaluelinerecordreader.key.value.separator", "\t");
this.separator = (byte)sepStr.charAt(0);
}
一個范例如下，使用逗號為分隔符：
grunt> cat test2
12,e21,ddwq,dqw,dwqw
sfd,cda,cdsz,cdwq,qwe
12,cds,fwa,feacd,cadfa
21ede,cdsf,ca,fa,dcac
輸出為：
grunt> cat out
12 cds,fwa,feacd,cadfa
12 e21,ddwq,dqw,dwqw
12e afs,afesd,caefd,cawc
21ede cdsf,ca,fa,dcac
在任務設置中需要做的配置如下：
Configuration conf = new Configuration();
conf.set("mapreduce.input.keyvaluelinerecordreader.key.value.separator", ",");
job.setInputFormatClass(org.apache.hadoop.mapreduce.lib.input.KeyValueTextInputFormat.class);
3. NLineInputFormat
在使用TextInputFormat和KeyValueInputFormat 時，每個mapper 收到的行數取決於輸入的分片大小以及行的長度。如果希望 mapper 收到固定行的輸入，則需要使用 NLineInputFormat。與 TextInputFormat一樣，key是文件中的字節偏移量，值是行本身。
N是每個mapper收到的輸入行數。N設置為1時（默認），每個mapper正好收到一行輸入。同樣使用之前的一共7行輸入，使用NLineInputFormat：
job.setInputFormatClass(org.apache.hadoop.mapreduce.lib.input.NLineInputFormat.class);
grunt> cat out
0 12,e21,ddwq,dqw,dwqw
21 sfd,cda,cdsz,cdwq,qwe
43 12,cds,fwa,feacd,cadfa
…
查看此任務的相關指標，可以看到：
Job Counters
Launched map tasks=7
Launched reduce tasks=1
Other local map tasks=7
Mapper數一共有7個，也就是每行均生成了一個Map。可以通過設置以下參數指定NLine為多少行：
mapreduce.input.lineinputformat.linespermap
References: Hadoop權威指南第四版