哎，这个问题我太熟了——本质就是Hadoop默认的HashPartitioner在搞鬼！它会根据键的哈希值把Map输出分配到不同的Reducer里，你的"NY"和"Others"刚好被分到了两个不同的Reducer任务，所以每个Reducer只处理自己拿到的键，最后输出两个各带一半结果的文件。

给你几个靠谱的解决办法，按优先级排序：

方法一：直接指定只用1个Reducer（最推荐） #

你的场景里总共就两个唯一键，完全不需要多Reducer并行计算。提交Job的时候加一行配置就行：

job.setNumReduceTasks(1)

这样所有Map输出的键值对都会被送到同一个Reducer里汇总，最后只会生成一个结果文件，里面就是完整的NY 1248和Others 4677统计，完美解决问题。

方法二：自定义Partitioner强制键分到同一Reducer #

如果某些特殊场景下你必须保留多Reducer（虽然这个场景真的没必要），可以自定义分区逻辑，让所有键都落到同一个Reducer里：

from hadoop.mapred import Partitioner

class SingleReducerPartitioner(Partitioner):
    def getPartition(self, key, value, numPartitions):
        # 不管键是什么，都固定分配到第0个Reducer
        return 0

然后在Job配置里指定这个自定义分区器：

job.setPartitionerClass(SingleReducerPartitioner)

这样哪怕开了多个Reducer，所有键值对都会往同一个Reducer送，也能得到合并后的完整结果。

方法三：事后合并结果文件（补救方案） #

如果已经生成了分散的结果文件，也可以用Hadoop命令手动合并：

# HDFS上直接合并
hadoop fs -cat /your/output/path/part-* | hadoop fs -put - /your/merged/path/result.txt

要是把文件拉到本地了，就用本地命令合并：

cat part-* > merged_result.txt

不过这属于事后补救，不如从Job配置层面解决来得高效。

顺便提一句：多Reducer是为了处理海量不同键的并行计算，你这场景只有两个键，用单个Reducer既简单又不影响性能，绝对是最优选择。

内容的提问来源于stack exchange，提问作者HHKSHD_HH