FileInputFormat繼承了抽象類InputFormat，來看一下InputFormat的原始碼：

public abstract class InputFormat<K, V> {
  public abstract 
    List<InputSplit> getSplits(JobContext context) throws IOException, InterruptedException;
  public abstract 
    RecordReader<K,V> createRecordReader(InputSplit split,TaskAttemptContext context) throws IOException,                                    InterruptedException;
}
 

InputFormat 主要用於描述輸入資料的格式， 它提供以下兩個功能。
(1)資料切分 ： 按照某個策略將輸入資料切分成若干個 InputSplit， 以便確定 Map Task 個數。對應的就是getSplits方法。
(2)為 Mapper 提供輸入資料： 給定某個 InputSplit， 能將其解析成一個個 key/value 對。對應的就是createRecordReader方法。

getSplits 方法主要完成資料切分的功能， 它會嘗試著將輸入資料切分成 InputSplit，並放入集合List中返回。
InputSplit有以下特點：
(1)邏輯分片 ： 它只是在邏輯上對輸入資料進行分片， 並不會在磁碟上將其切分成分片進行儲存。 InputSplit 只記錄了分片的元資料資訊， 比如起始位置、 長度以及所在的節點列表等。
(2)可序列化： 在 Hadoop 中， 物件序列化主要有兩個作用： 程序間通訊和永久儲存。 此處， InputSplit 支援序列化操作主要是為了程序間通訊。 作業被提交到 JobTracker 之前， Client 會呼叫作業 InputFormat 中的 getSplits 函式， 並將得到的 InputSplit 序列
化到檔案中。 這樣， 當作業提交到 JobTracker 端對作業初始化時， 可直接讀取該檔案， 解析出所有 InputSplit， 並建立對應的 Map Task。而createRecordReader則根據InputSplit ，將其解析成一個個 key/value 對。

現在再來看FileInputFormat中對這兩個方法的具體實現。

先來看FileInputFormat的定義：

public abstract class FileInputFormat<K, V> extends InputFormat<K, V> {}

FileInputFormat也是一個抽象類，繼承了InputFormat這個抽象類。
再來看看FileInputFormat關於getSplits的實現，原始碼如下：

public List<InputSplit> getSplits(JobContext job
) throws
 
 IOException {
  long minSize = Math.max(getFormatMinSplitSize(), getMinSplitSize(job));
  long maxSize = getMaxSplitSize(job);
    // generate splits
  List<InputSplit> splits = new ArrayList<InputSplit>();
  List<FileStatus>files = listStatus(job);
  for (FileStatus file: files) {
    Path path = file.getPath();
    FileSystem fs = path.getFileSystem(job.getConfiguration());
    long length = file.getLen();
    BlockLocation[] blkLocations = fs.getFileBlockLocations(file, 0, length);
    if ((length != 0) && isSplitable(job, path)) { 
      long blockSize = file.getBlockSize();
      long splitSize = computeSplitSize(blockSize, minSize, maxSize);
      long bytesRemaining = length;
      while (((double) bytesRemaining)/splitSize > SPLIT_SLOP) {
        int blkIndex = getBlockIndex(blkLocations, length-bytesRemaining);
        splits.add(new FileSplit(path, length-bytesRemaining, splitSize, 
blkLocations[blkIndex].getHosts()));
        bytesRemaining -= splitSize;
      }
      if (bytesRemaining != 0) {
        splits.add(new FileSplit(path, length-bytesRemaining, bytesRemaining, 
blkLocations[blkLocations.length-1].getHosts()));
      }
    } else if (length != 0) {
      splits.add(new FileSplit(path, 0, length, blkLocations[0].getHosts()));
    } else { 
     //Create empty hosts array for zero length files
     splits.add(new FileSplit(path, 0, length, new String[0]));
   }
}

我們來一塊一塊的分析，

long minSize = Math.max(getFormatMinSplitSize(),                                                                    getMinSplitSize(job));

long maxSize = getMaxSplitSize(job);

不難理解，這裡是獲取InputSplit的size的最小值和最大值，最小值minSize是通過取getFormatMinSplitSize()和getMinSplitSize(job))中的較大的值
getFormatMinSplitSize方法的原始碼如下：

protected long getFormatMinSplitSize() {
  return 1;
}

直接返回1，單位是B.
而getMinSplitSize方法的原始碼如下：

public static long getMinSplitSize(JobContext job) {
   return job.getConfiguration().getLong("mapred.min.split.size", 1L);
}

返回的是從配置檔案中讀取“mapred.min.split.size”屬性的value值，“mapred.min.split.size”是需要使用者自己新增配置的，配置在mapred-site.xml檔案中。
這樣一來，minSize的值取決於使用者配置的mapred.min.split.size和1B中的較大值。
maxSize的大小是由getMaxSplitSize方法確定的，原始碼如下：

public static long getMaxSplitSize(JobContext context) {
   return context.getConfiguration().getLong("mapred.max.split.size",Long.MAX_VALUE);
}

若“mapred.max.split.size”屬性值讀取不到，則返回Long.MAX_VALUE，否則返回“mapred.max.split.size”屬性的值。

getSplits方法中有一句程式碼值得關注：

long splitSize = computeSplitSize(blockSize, minSize, maxSize);

這裡是確定了InputSplit的大小，computeSplitSize方法原始碼如下：

protected long computeSplitSize(long blockSize, long minSize,long maxSize) {
  return Math.max(minSize, Math.min(maxSize, blockSize));
}

上面說過，minSize的值取決於使用者配置的mapred.min.split.size和1B中的較大值。 maxSize的值取決於使用者配置的mapred.max.split.size和Long.MAX_VALUE中的較大值。blockSize則是HDFS的預設塊大小。

獲取到splitSize 後，檔案將被切分成大小為splitSize的InputSplit，最後剩下不足splitSize的資料塊單獨成為一個InputSplit。
那接下來毫無疑問就是按照splitSize 來切分檔案了(邏輯上的切分)。

再看getSplits方法的程式碼塊：

long bytesRemaining = length;
while (((double) bytesRemaining)/splitSize >SPLIT_SLOP) {
   int blkIndex = getBlockIndex(blkLocations, length-bytesRemaining);
   splits.add(new FileSplit(path, length-bytesRemaining, splitSize, blkLocations[blkIndex].getHosts()));
   bytesRemaining -= splitSize;
}
if (bytesRemaining != 0) {
   splits.add(new FileSplit(path, length-bytesRemaining, bytesRemaining, 
  blkLocations[blkLocations.length-1].getHosts()));
}

這裡就是切分的核心程式碼了，bytesRemaining 表示的是切分後，剩餘的待切分的檔案大小，初始值就是檔案大小【length】，splitSize就是InputSplit的大小，SPLIT_SLOP是一個常量值，定義如下：

private static final double SPLIT_SLOP = 1.1;//10% slop

意思就是當剩餘檔案大小bytesRemaining與splitSize的比值還大於1.1的時候，就繼續切分，否則，剩下的直接作為一個InputSplit。
敲黑板，劃重點：並不一定非得bytesRemaining小於splitSize才停止劃分哦，只要bytesRemaining/splitSize<=1.1就會停止劃分，將剩下的作為一個InputSplit

我們還可以看到，

splits.add(new FileSplit(path, length-bytesRemaining, splitSize,blkLocations[blkIndex].getHosts()));

這裡四個引數表示的意思是該InputSplit所在的（路徑，起始位置，大小，所在的 host（節點） 列表）

以上就知道getSplits獲取InputSplit的過程。