请说明在MapReduce框架中，作业的输入分片（InputSplit）是如何被配置和管理的？具体包括哪些机制？

回答思路

1. 【回答框架 1】输入分片是MapReduce将输入数据逻辑划分成多个独立部分供Map任务并行处理的单位，每个分片对应一个Map任务。分片由InputFormat决定，默认的FileInputFormat按文件块大小（如128MB）划分，但可通过配置参数调整分片大小。
2. 【回答框架 2】配置分片大小的方法：在作业配置中设置mapreduce.input.fileinputformat.split.minsize和split.maxsize参数。分片大小计算公式为max(minsize, min(maxsize, blockSize))，默认情况下等于块大小。通过调整这些参数可以控制Map任务数量。
3. 【回答框架 3】分片管理的实现：InputFormat的getSplits()方法负责生成分片列表，它解析输入路径下的文件，根据文件大小和分片大小计算分片数量，并处理文件边界跨越块的情况，生成包含文件路径、偏移量和长度信息的InputSplit。
4. 【回答框架 4】实际执行中，JobClient通过InputFormat的getSplits获取分片列表，然后为每个分片分配一个Map任务。分片信息被序列化并发送给TaskTracker，TaskTracker根据分片中的位置信息尽量实现数据本地化，减少网络传输。
5. 【关键点 1】分片由InputFormat生成，默认按块大小划分。
6. 【关键点 2】通过split.minsize和split.maxsize调整分片大小。
7. 【关键点 3】分片大小公式：max(minsize, min(maxsize, blockSize))。
8. 【关键点 4】分片信息包括文件路径、偏移量和长度，驱动Map任务并行。
9. 【关键点 5】分片位置信息支持数据本地化调度。
10. 【易错点 1】分片大小不等于块大小，用户可自定义，但必须满足框架约束。
11. 【易错点 2】分片是逻辑划分，不实际拆分文件，物理文件仍按块存储。
12. 【易错点 3】设置不合适的分片大小可能导致数据倾斜或Map任务过多，需结合集群资源调整。