第一个问题。。。学习hadoop。。。
我花了两个星期的时间试图理解hadoop的一切，但似乎每座山后面都有一座山。
设置如下：
大量（100万）小的（<50mb）xml文件（格式化为xml的文档）。
每个文件都是一个记录
伪分布式hadoop集群（1.1.2）
使用旧的mapred api（如果新api支持所需的内容，则可以更改）
我发现xmlinputformat（“mahoutxmlinputformat”）是读取文件的良好起点，因为我可以将整个xml文档指定为
我的理解是xmlinputformat将负责确保每个文件都是它自己的记录（因为每个文件/记录都有一个标记）。
我的问题是：我想使用hadoop处理每个文档，搜索信息，然后，为每个文件/记录重新编写或输出一个添加了新xml标记的新xml文档。
不害怕阅读和学习，但是一个可以玩的 backbone 真的可以帮助我“玩”和学习hadoop
这是我的司机：

public static void main(String[] args) {
    JobConf conf = new JobConf(myDriver.class);
    conf.setJobName("bigjob");
    // Input/Output Directories
    if (args[0].length()==0 || args[1].length()==0) System.exit(-1);
    FileInputFormat.setInputPaths(conf, new Path(args[0]));
    FileOutputFormat.setOutputPath(conf, new Path(args[1]));

    conf.set("xmlinput.start", "<document>");
    conf.set("xmlinput.end", "</document>");

    // Mapper & Combiner & Reducer
    conf.setMapperClass(Mapper.class);
    conf.setReducerClass(Reduce.class);
    conf.setNumReduceTasks(0);

    // Input/Output Types
    conf.setInputFormat(XmlInputFormat.class);

    conf.setOutputFormat(?????);

    conf.setOutputKeyClass(????);
    conf.setOutputValueClass(????);

    try {
            JobClient.runJob(conf);
    } catch (Exception e) {
            e.printStackTrace();
    }
}