目前，我正在使用默认的分区器运行一些hadoop作业，它通常为每个reducer提供相等的数据块。但是，我的reducer键包含两个字段：

1,foo
2,bar
1,baz

每个reducer根据第一个键写入不同的文件夹。
假设我有两个减速机，每个减速机得到50%的数据，并编写以下文件：

1/chunk-0     # first reducer
  chunk-1     # second reducer
2/chunk-0     # first reducer
 /chunk-1     # second reducer

但是，如果20%的第一个缩减器数据具有键1，80%具有键2，50%的第二个缩减器数据具有键1，50%具有键2，则 chunk-0 以及 chunk-1 在每个文件夹中都是不均匀的。
如何确保在最终输出中，每个文件夹中的块大小相等？似乎我需要一个分区函数，它可以做这样的事情：对于每个reducer，n%的reducer数据是key 1，m%的reducer数据是key 2。或者在hadoop之外做分区会更简单吗？