输出文件的数量等于还原器的数量，如果没有任何还原器，则等于Map器的数量。
您可以向作业中添加一个reducer，这样所有Map器的输出都将指向它，您就可以得到一个输出文件。请注意，这样会降低效率，因为所有数据（Map器的输出）都将通过导线（网络io）发送到运行reducer的节点。另外，由于单个进程（最终）将获得所有数据，因此它可能运行得较慢。
顺便说一句，有多个部分的事实应该不是很重要，因为您可以将包含它们的目录传递给后续作业

如果作业没有reducer、partitioner和combiner，则每个Map器输出一个输出文件。在某个时候，您应该运行一些后处理来将输出收集到一个大文件中。

您可能想看看multipleoutputformat
javadoc说的一部分：
这个抽象类扩展了fileoutputformat，允许将输出数据写入不同的输出文件。
mapper和reducer都可以使用它。
查看此链接，了解如何从不同Map器指定一个或多个输出文件名以输出到hdfs。
注意：另外，请确保不要使用context.write（），这样10个Map器中的10个文件就不会被创建。仅使用multipleoutputformat输出。

我不确定你能做到这一点（你的链接是关于多个输出不收敛到只有一个），为什么只使用一个输出？你会失去排序的所有并行性吗？
我也在处理大文件（每个10gb左右），我的mr进程每个100gb左右。所以为了降低Map数，我在hdfs中设置了更高的块大小值（仅适用于较新的文件）和更高的 mapred.min.split.size 在 mapred-site.xml