请使用自定义分区器，将 sc.parallelize(1 to 100, 5)重新分为三组，能够被 2、3整除的各分为一组，不能整除的一组，并将结果保存在 HDFS 中，保存路径为/FinalExam/parti_RDD

好的，我会使用自定义分区器将给定的 RDD 重新分为三组，并将结果保存在 HDFS 中。以下是代码实现：

import org.apache.spark.{Partitioner, SparkConf, SparkContext}

class CustomPartitioner extends Partitioner {
  def numPartitions: Int = 3

  def getPartition(key: Any): Int = {
    val k = key.asInstanceOf[Int]
    if (k % 2 == 0) 0
    else if (k % 3 == 0) 1
    else 2
  }
}

object CustomPartitionerExample {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("CustomPartitionerExample")
    val sc = new SparkContext(conf)

    val rdd = sc.parallelize(1 to 100, 5)
    val partitionedRDD = rdd.partitionBy(new CustomPartitioner)

    partitionedRDD.saveAsTextFile("/FinalExam/parti_RDD")

    sc.stop()
  }
}

在上面的代码中，我们定义了一个名为 `CustomPartitioner` 的自定义分区器，它将 RDD 分为三个分区。其中，能够被 2 整除的元素被分到第一个分区，能够被 3 整除的元素被分到第二个分区，而不能整除的元素被分到第三个分区。

接下来，我们使用 `partitionBy` 方法将 RDD 重新分区，并将结果保存在 HDFS 的指定路径下。最后，我们关闭 SparkContext。

注意：在运行代码之前，请确保 HDFS 上指定的保存路径不存在，否则会报错。