请阐述 MapReduce 框架中 Partitioner 的功能，并说明实现自定义 Partitioner 的步骤。

回答思路

1. 【回答框架 1】Partitioner 用于在 Map 端对输出的键值对进行分区，决定每个键值对进入哪个 Reduce 任务。默认实现是 HashPartitioner，通过键的哈希值对 Reduce 任务数取模来分配分区，保证相同键进入同一分区，从而让相同键的中间结果由同一个 Reduce 处理。
2. 【回答框架 2】自定义 Partitioner 需要继承 Partitioner 类，并重写 getPartition 方法。该方法接收键、值和 Reduce 任务数，返回一个表示分区编号的整数，该整数必须在 0 到 numReduceTasks-1 之间。
3. 【回答框架 3】在作业配置中，通过设置 Job 的 Partitioner 类为自定义类，并正确设置 Reduce 任务数量，即可使分区逻辑生效。
4. 【回答框架 4】自定义分区常用于解决数据倾斜或实现业务相关的分组需求，例如按字符串特定字段进行哈希分布，或者根据键的范围进行分区。
5. 【关键点 1】Partitioner 决定 Map 输出键值对进入哪个 Reduce 分区，默认是哈希取模。
6. 【关键点 2】自定义需继承 Partitioner 并实现 getPartition 方法，返回合法分区号。
7. 【关键点 3】设置 job.setPartitionerClass 并指定 Reduce 个数，分区才能生效。
8. 【易错点 1】返回的分区号不能超出 Reduce 任务数范围，否则会抛异常。
9. 【易错点 2】分区逻辑应与 Key 的 equals/hashCode 保持一致，否则可能破坏相同键进入同一分区的保证。
10. 【易错点 3】自定义分区可能加剧数据倾斜，需结合 reduce 数量合理设计。