如果您只想将多个键划分到同一个reducer中，那么只需编写一个定制的 Partitioner 并为要一起分区的键生成相同的int。
因为您会意识到分区是不够的，而且您还希望将多个键发送到 reduce(K k, Iterator<V>) 一次，您可能还需要实现一个比较器，使比较的多个键相等，并将比较器设置为 job.setGroupingComparatorClass(GourpingClass.class) .
作为改编自 Hadoop: The definitive Guide P279 :
您的数据如下：

1990 35  A1 A2 A3 A4
1990 34  B1 B2 B3 B4
1990 34  C2 C2 C3 C4
1991 36  [other data here]
1991 35  [other data here]

如果您想将year和degree作为map输出的组合键，并且只将不同年份的键划分到不同的reducer中，那么您只需要实现 YearPartitioner :

public static class YearPartitioner extends Partitioner<CombineKey, V> {
    int getPartition(CombineKey k, V value, int numPartitions) { 
         return k.getyear % numPartitions;
    }
}

并设置 YearPartitioner 作为 job.setPartitionerClass(YearPartitoner.class) ，通过这样做，您1990年的数据将全部发送到同一个减速机，并定制 reduce() 我会先打电话给你的 <1990,35> 作为关键，以及 <<A1 A2 A3 A4>> 作为值列表，并再次由 <1990, 34> 作为关键和 <<B1 B2 B3 B4>,<C2 C2 C3 C4>> 作为值列表。
如果你想走得更远 reduce 被叫 <1990,x> 作为关键， <<A1 A2 A3 A4>,<B1 B2 B3 B4>,<C2 C2 C3 C4>> 当值一次列出时，实现一个keycomparator并将其设置为 GroupingComparatorClass