totalorderpartitioner的工作原理如下：首先，一个采样器（例如randomsampler）运行（在客户机上）并创建数据样本。数据会被分类吗？这些样本会希望把数据分成大致相等的块。第二，排序mapreduce将使用totalorderpartitioner和这些示例在Reducer之间分发数据。每个reducer都会对其块数据进行排序并将其写入输出。由于数据是根据样本分配给约简器的，所以当我们连接约简器的输出时，我们会对整个输入数据进行排序。
可以将其视为具有一级递归的快速排序。
在声明中，您询问了：
请注意，中间分区中的范围数需要等于顺序步骤中的减速器数。如果您决定更改reducer的数量，并且一直在重复使用同一个文件，则需要重新生成它
中间分区是由带有示例的文件（分区文件）表示的分区。
这些“中间隔板”的数量应等于减速器的数量。这是一项要求。从javadoc：
公共静态void setpartitionfile（配置conf，路径p）
//设置存储已排序分区键集的sequencefile的路径。对于r reduces，sequencefile中肯定有r-1键。
inputsampler创建的“中间分区”的数量等于mapreduce作业中的reducer的数量，以满足此要求。
如果您重新运行排序—如果您的数据发生了细微的变化，并且示例仍然可以很好地表示它—您可以将现有的分区文件与示例一起使用，因为在客户机上创建它的成本很高。但是您必须使用与inputsample为其创建分区文件的作业相同数量的缩减器。

我认为“中间分区”是指在分析阶段构建的中间分区文件。此文件确定每个缩减器的范围分区。当您希望范围大小相等时，首先分析数据样本，然后相应地构造范围。还可以指定范围数。
由于order阶段中的每个reducer都接收一个分区，因此reducer的数量必须等于该分区文件中的范围数。如果文件中有5个分区，但只使用4个缩减器，hadoop将不知道将第五个分区发送到何处。在这种情况下，您需要重建分区文件，使其仅包含4个范围。