我在一台机器上有一个两节点的集群。我就是这么做的。从那里你可以看到我这样做（在执行时）：
指定减速器的数量，例如两个

-D mapred.reduce.tasks=2

当您将reducer的no设置为大于1时，partitioner总是工作的，即使它是一个单节点集群。
我已经在单节点集群上测试了以下代码，它可以正常工作：

public final class SortMapReduce extends Configured implements Tool {

public static void main(final String[] args) throws Exception {
    int res = ToolRunner.run(new Configuration(), new SortMapReduce(), args);
    System.exit(res);
}

public int run(final String[] args) throws Exception {

    Path inputPath = new Path(args[0]);
    Path outputPath = new Path(args[1]);

    Configuration conf = super.getConf();

    Job job = Job.getInstance(conf);

    job.setJarByClass(SortMapReduce.class);
    job.setMapperClass(Map.class);
    job.setReducerClass(Reduce.class);

    job.setInputFormatClass(KeyValueTextInputFormat.class);

    job.setMapOutputKeyClass(Person.class);
    job.setMapOutputValueClass(Text.class);

    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Text.class);

    job.setPartitionerClass(PersonNamePartitioner.class);

    job.setNumReduceTasks(5);

    FileInputFormat.setInputPaths(job, inputPath);
    FileOutputFormat.setOutputPath(job, outputPath);

    if (job.waitForCompletion(true)) {
        return 0;
    }
    return 1;
}

public static class Map extends Mapper<Text, Text, Person, Text> {

    private Person outputKey = new Person();

    @Override
    protected void map(Text pointID, Text firstName, Context context) throws IOException, InterruptedException {
        outputKey.set(pointID.toString(), firstName.toString());
        context.write(outputKey, firstName);
    }
}

public static class Reduce extends Reducer<Person, Text, Text, Text> {

    Text pointID = new Text();

    @Override
    public void reduce(Person key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        pointID.set(key.getpointID());
        for (Text firstName : values) {
            context.write(pointID, firstName);
        }
    }
}

}
分区器类：

public class PersonNamePartitioner extends Partitioner<Person, Text> {

@Override
public int getPartition(Person key, Text value, int numPartitions) {

    return Math.abs(key.getpointID().hashCode() * 127) % numPartitions;
}

}
运行命令：
hadoop jar/home/hdfs/secondarysort.jar org.test.sortmapreduce/demo/data/customer/acct.txt/demo/data/customer/output2
谢谢，

好好看看你的自定义分区器。它可以为传递给它的所有键返回相同的分区值。
在这种情况下，它是一个低效的分区器，它将所有键发送到同一个缩减器。因此，即使您将reducer的数量设置为6，也只有一个reducer具有所有键值，其余5个reducer将没有任何要处理的内容。
因此，您将拥有处理所有记录的唯一减速机的输出。
分区器不能在一台机器上工作吗？分区器也可以在单机伪集群中工作。
是否需要多节点集群来查看自定义分区器的效果？不。