、请使用自定义分区器，将sc,parallelize(1 t0 100,5)重新分为四组，能被2、3、5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，下面是Spark程序的代码：

import org.apache.spark.sql.SparkSession

object CustomPartition {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession
      .builder()
      .appName("CustomPartition")
      .getOrCreate()

    val data = spark.sparkContext.parallelize(1 to 100, 5)
      .map(x => (x, x % 2, x % 3, x % 5))
      .mapPartitions(iter => {
        iter.map { case (x, y, z, w) =>
          if (y == 0 || z == 0 || w == 0) {
            (0, (x, y, z, w))
          } else {
            (1, (x, y, z, w))
          }
        }
      })
      .partitionBy(new CustomPartitioner(2))
      .map(_._2)

    data.saveAsTextFile("/FinalExam/partiRDD")

    spark.stop()
  }
}

class CustomPartitioner(numParts: Int) extends org.apache.spark.Partitioner {
  override def numPartitions: Int = numParts

  override def getPartition(key: Any): Int = {
    val k = key.asInstanceOf[Int]
    if (k == 0) {
      0
    } else {
      (k - 1) % numParts + 1
    }
  }
}

这段代码使用parallelize方法将1到100的整数分为5组。接着，我们使用map方法将每个整数和其是否能被2、3、5整除的结果作为键值对。然后，我们使用mapPartitions方法将每个键值对转换为一个元组，第一个元素为0或1，表示是否能被2、3、5整除；第二个元素为原始的键值对。接着，我们使用CustomPartitioner自定义分区器，将数据按照是否能被2、3、5整除分为两组。最后，我们使用map方法将结果转换为原始的键值对，并使用saveAsTextFile方法将结果保存到HDFS的/FinalExam/partiRDD路径下。

将上述代码保存为CustomPartition.scala文件后，我们可以使用以下命令编译和运行程序：

$ spark-submit --class CustomPartition --master yarn CustomPartition.jar

其中，CustomPartition.jar是我们打包好的程序包。这样，程序就会在虚拟机上运行，并将/sc,parallelize(1 t0 100,5)重新分为四组，能被2、3、5整除的各分为一组，不能整除的一组，最后将结果保存在HDFS的/FinalExam/partiRDD路径下。