我在这里看到三种选择：
（首选）使用javadba的答案（+1来自我）。这是更一般的，但需要更多的努力。
如果可以，就用一个减速机。这就要求所有的数据都能放在一台机器的内存中。然后，单个reducer的输入将按键的升序（您想要的）排序。
作业完成后，您可以使用 getmerge 命令，然后手动排序合并的文件，例如使用 sort 命令（甚至合并排序多个文件，而不使用 getmerge 命令）。毕竟，你不必事事都使用mapreduce！请注意仅根据密钥进行排序！例如，您可以运行：

sort -n -k1,1 filename

但是还有很多排序选项。。。
作为最后一点（为了完成），以上所有内容都假设您不使用只Map的作业，在该作业中输出没有排序。如果是这样的话，我只能看到选项3起作用。
更新：为了将来的参考和基于注解，输出键似乎不是类型 IntWritable ，因此它们没有按整数排序。

这需要一个

totalorderpartitioner

https://hadoop.apache.org/docs/r2.4.1/api/org/apache/hadoop/mapreduce/lib/partition/totalorderpartitioner.html
它在m/r管道中强制执行一个附加阶段，将元素划分为已排序的桶。
treemap解决方案不会在全局范围内工作，而只能在每个reducer中工作。
以下是如何使用totalorderpartioner的要点（不是我的）：https://gist.github.com/asimjalis/e5627dc2ff2b23dac70b
要点的关键要点是：
a） 您需要调用reducer.setpartitionerclass到totalorderpartitioner：

// Use Total Order Partitioner.
  reduceJob.setPartitionerClass(TotalOrderPartitioner.class);

b） 您需要生成一组split，用作顶部的“bucket”

// Generate partition file from map-only job's output.
  TotalOrderPartitioner.setPartitionFile(
      reduceJob.getConfiguration(), partitionPath);
  InputSampler.writePartitionFile(reduceJob, new InputSampler.RandomSampler(
      1, 10000));

使用 TreeMap . 它是为此而创建的：
基于红黑树的navigablemap实现。Map根据其键的自然顺序进行排序，或者由Map创建时提供的比较器进行排序，具体取决于所使用的构造函数。