在我的hadoop类中，他们希望我们学习如何编写/配置自定义输入格式类来处理不是每行一条记录的数据（如TextInputFormat）。
数据是来自Twitter API的JSON数据，因此它基本上是每个代表推文的小型JSON对象列表。
[
{
"text":"tweet string",
...more...
},
{
....
},
]
实验室规范建议专注于编写一个自定义recordReader类，该类在给定的InputSplit中手动解析JSON，使用类似堆栈的方式来跟踪打开/关闭大括号。坦率地说，这对我来说似乎是愚蠢的，我不应该重新发明解析JSON的问题......这是使用标准数据格式的优势。
相反，我希望使用像json-simple这样的现有JSON解析器来提出更好的解决方案。我似乎应该能够创建一个自定义的InputSplit类，将JSON对象列表拆分为更小的子列表，然后自定义recordReader也将使用JSON解析器单独获取每个JSON对象。
这是一种正确的方法吗？我应该自定义InputSplit吗？是否有更好的方法可以通过Hadoop MapReduce作业制作大型JSON文本？