MR的默认分区是哈希分区，就是key的哈希值
上面这个图片就是源码，我们自定义分区的时候也是继承上面的类或者它的超类，指的一提的是MR的默认分区数也就是numReduceTasks的值是1，所以导致了，默认分区数时数据分区只有一个，而且默认的时候reduceTask也只有一个，因为MR中有多少个分区就有多少个reduceTask
也就构成shuffle按key分组，传到reduce时reduce按key拉取自己要处理的数据，然后做一次归并，之后按组处理数据的形式
在工作中除非必要，否则一般是不随意改动分区方式的，因为在生产环境中执行任务的时候，除了默认的map数等于切片数，以及等于分区数之外，还有着机架感知，就是为了防止不必要的网络io，接收到命令运行任务的那个datanode会以就近原则，拉取离自己最近的那一份切片，而这一份切片可能是原原本切片的备份切片，也就是备份的数据块，而你一旦改了自己的分区方式，那么在原来拉过来就用的基础上，可能会由于这个数据是其他分区的，如果分区之间在同一个datanode上换好，怕的就是不在一个datanode上，那就还要消耗网络io去传递数据，甚至有的时候某一个分区中的数据过大，会因为所有map结束之后才会启动reduce，导致任务的等待超时而失败
当然我只是说自定义分区，说的不是自定义分组，因为对于分组来说，哪怕不在一个datanode上，不同的datanode也不会有数据的传输，而是在各种的continue中执行者同样的操作，这也是任务运行之后，发现同组数据有时却不在一个分区文件中的原因，但是也不能吓分组，因为一个组数据太大，也会发生和分区过大时一样的任务超时失败的结果
至于如何自定义分区，请查看我其他的博文