对于6个减速机只有6个键并不是hadoop的最佳利用——虽然6个减速机中的每一个都可以使用单独的减速机，但这并不能保证。
键不能在减速机上分开，所以如果你有少于6个键，那么只有减速机的一个子集有工作要做。您应该考虑重新考虑您的密钥分配（也许输入文件适合hadoop），也许可以使用这样一个系统，即有足够的密钥在reducer中均匀分布。
编辑：我相信你想要的是 MultipleOutputFormat ，该方法 generateFileNameForKeyValue(key, value, name) ，允许您为每个键生成一个要写入的文件，而不是每个键只生成一个文件 Reducer .

默认情况下，hadoop使用默认的哈希分区器-单击此处，类似

public class HashPartitioner<K2, V2> implements Partitioner<K2, V2> {

  public void configure(JobConf job) {}

  /**Use {@link Object#hashCode()} to partition. */
  public int getPartition(K2 key, V2 value,
                          int numReduceTasks) {
    return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;
  }

}

key.hashcode（）&integer.max\u value）%numreducetasks将返回一个介于0到numreducetasks之间的数字，在您的示例中，范围是0到5，因为numreducetask=6
捕获就在那一行本身——两个这样的语句可能返回相同的数字。因此，两个不同的键可以连接到同一个减速器。例如-

("go".hashCode() & Integer.MAX_VALUE) % 6

我会还给你4分，

("hello".hashCode() & Integer.MAX_VALUE) % 6

也会还给你4。
所以，我在这里建议的是，如果您想确保所有6个键都由6个不同的reducer处理，那么您需要创建自己的partitioner来获得所需的内容。
如果您有任何混淆，并且使用job类指定了如下所示的自定义分区器，请查看此链接以创建自定义分区器。 job.setPartitioner(<YourPartionerHere.class>); 希望这有帮助。