在MapReduce框架中，输入格式（InputFormat）对作业性能产生哪些影响？针对这些影响，可以采取哪些优化措施？

回答思路

1. 【回答框架 1】输入格式决定数据如何被分割成输入分片，每个分片对应一个map任务。分片大小影响map任务数量和并行度，过小导致任务过多、调度开销大，过大则并行度下降。
2. 【回答框架 2】输入格式还影响数据本地性，即数据块与计算节点的距离。合理设置分片大小和考虑数据块位置，可以提高本地性，减少网络传输。
3. 【回答框架 3】优化措施包括：合理设置分片大小（如使用CombineTextInputFormat合并小文件），使用压缩格式（如Snappy）减少IO，以及根据数据特征自定义InputFormat实现更高效的数据读取。
4. 【关键点 1】输入分片大小决定map任务并行度，影响整体性能。
5. 【关键点 2】数据本地性是关键，减少网络传输可提升效率。
6. 【关键点 3】合并小文件可减少任务数，压缩可减少磁盘和网络IO。
7. 【易错点 1】分片大小并非越小越好，需权衡并行度和调度开销。
8. 【易错点 2】压缩格式选择需考虑解压CPU成本。
9. 【易错点 3】自定义InputFormat可能增加复杂度，需测试验证。