链接：https://stackoverflow.com/questions/18583242/funny-results-with-hadoop-will-having-a-single-input-file-cause-this
我发布了这个关于hadoop的问题，但是现在已经缩小了我的问题范围，所以我要创建一个更具体的问题。
我已经创建了一个hadoop map/reduce作业。它获取一个csv并将其读入defaultdict，导入两个文件（肯定词和否定词），然后对csv中的所有文本执行情感分析。然后输出这个结果（由reducer收集）并合并所有键。
我可以这样在本地运行它：

cat ~/Text/ListOfTexts.csv | python hadoop_map.py | sort | python hadoop_reduce.py

这就产生了预期的结果，没有任何问题。然后我尝试使用hadoop流媒体运行它，如下所示：

bin/hadoop jar contrib/streaming/hadoop-streaming-1.1.2.jar 
-file positive_words.txt -file negative_words.txt 
-file hadoop_map.py -mapper hadoop_map.py 
-file hadoop_reduce.py -reducer hadoop_reduce.py 
-input /ListOfTexts.csv -output /OutputOfTexts.txt

这会处理所有的信息，但由于某些原因不能正确地组合结果。我实现了一个“count”变量来查看它扫描了多少文档（应该有1199个）。如果我只运行mapper，就会得到两个输出文件，一个是630，另一个是569（这样加起来就是1199）。
但是，当我使用与本地使用的代码相同的reducer时，我只计算了630。此外，并非所有对都已合并。这让我觉得hadoop没有正确地组合结果。有人知道为什么会这样吗？如果有必要，我可以发布我的代码，但我正在努力减少这里的字数。