Java 通过MapReduce代码获得的平均工资

有人能帮我找出为什么在运行MapReduce代码后我得不到平均工资。
问题：计算固定员工和合同员工的平均工资

示例输入：
1个用户1个永久100
2用户2合同500
3用户3永久200
4用户4合同300

预期输出：
永久性285
合同187

我得到的输出：
永久性100
永久性200
合同500
合同300

运行作业： $hadoop jar partition.jar com.hadoop.PartitionExample 输入/分区\u example.txt输出

package com.hadoop;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;


public class PartitionExample {
        public static class MapClass extends Mapper<LongWritable, Text, 
        Text, IntWritable>{

        Text outKey = new Text(); ;
        IntWritable outValue = new IntWritable();

        public void map(LongWritable key, Text value, Context context) 
        throws IOException, InterruptedException{
            String[] colmn = value.toString().split(" ");
            outKey.set(colmn[2]);           
            outValue.set(Integer.parseInt(colmn[3])); 
            context.write(outKey, outValue);
     }
}
// permanent      [100,300,200,400]
public static class ReduceClass extends Reducer<Text,IntWritable,Text, 
IntWritable>{
        IntWritable outValue = new IntWritable();
        public void Reduce(Text key, Iterable<IntWritable> value, Context 
        context) throws IOException, InterruptedException{
            int sum = 0; int count = 0; int avg ;
            //outKey.set(key);
            for (IntWritable sal:value){
                sum = sum + sal.get(); 
                count++;
            }
            avg = sum/count ;
            outValue.set(avg);
            context.write(key, outValue);
     }
 }

public static void main(String[] args) throws IOException, 
    ClassNotFoundException, InterruptedException{
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if(otherArgs.length != 2){
        System.err.println("Number of argument passed is not 2");
        System.exit(1);
    }
    Job job = new Job(conf, "My regular MapReduce job");

    job.setJarByClass(PartitionExample.class);
    job.setMapperClass(MapClass.class);
//  job.setCombinerClass(ReduceClass.class);
    job.setReducerClass(ReduceClass.class);

    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(IntWritable.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);

    FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));

    System.exit(job.waitForCompletion(true) ? 0 : 1);

}
}

package com.hadoop；
导入java.io.IOException；
导入org.apache.hadoop.conf.Configuration；
导入org.apache.hadoop.fs.Path；
导入org.apache.hadoop.io.IntWritable；
导入org.apache.hadoop.io.LongWritable；
导入org.apache.hadoop.io.Text；
导入org.apache.hadoop.mapreduce.Job；
导入org.apache.hadoop.mapreduce.Mapper；
导入org.apache.hadoop.mapreduce.Reducer；
导入org.apache.hadoop.mapreduce.lib.input.FileInputFormat；
导入org.apache.hadoop.mapreduce.lib.output.FileOutputFormat；
导入org.apache.hadoop.util.GenericOptionsParser；
公共类分区示例{
公共静态类映射器类扩展映射器{
Text outKey=新文本（）；
IntWritable outValue=新的IntWritable（）；
公共void映射（可长写键、文本值、上下文）
抛出IOException、InterruptedException{
字符串[]colmn=value.toString（）.split（“”）；
outKey.set（colmn[2]）；
set（Integer.parseInt（colmn[3]）；
write（outKey，outValue）；
}
}
//永久性[100300200400]
公共静态类ReduceClass扩展了Reducer{
IntWritable outValue=新的IntWritable（）；
public void Reduce（文本键、Iterable值、上下文
上下文）引发IOException、InterruptedException{
整数和=0；整数计数=0；整数平均值；
//outKey.set（key）；
for（可写入的sal:值）{
sum=sum+sal.get（）；
计数++；
}
平均值=总和/计数；
超出设定值（平均值）；
context.write（key，outValue）；
}
}
公共静态void main（字符串[]args）引发IOException，
ClassNotFoundException，InterruptedException{
Configuration conf=新配置（）；
String[]otherArgs=新的GenericOptionsParser（conf，args）；
if（otherArgs.length！=2）{
System.err.println（“传递的参数数量不是2”）；
系统出口（1）；
}
Job Job=新作业（conf，“我的常规MapReduce作业”）；
setJarByClass（PartitionExample.class）；
job.setMapperClass（MapClass.class）；
//job.setCombinerClass（ReduceClass.class）；
job.setReduceClass（ReduceClass.class）；
job.setMapOutputKeyClass（Text.class）；
setMapOutputValueClass（IntWritable.class）；
job.setOutputKeyClass（Text.class）；
job.setOutputValueClass（IntWritable.class）；
addInputPath（作业，新路径（其他参数[0]）；
setOutputPath（作业，新路径（其他参数[1]）；
系统退出（作业等待完成（真）？0:1；
}
}

我在代码中发现了错误。我可以说，这是一个非常愚蠢的错误：(

---

这是在ovirridden reduce函数名中。我将其从“reduce”改为“reduce”。

我在代码中发现了错误。这是一个非常愚蠢的错误，我可以说：( 它在Ovirriden reduce函数名中。我将它从“reduce”改为“reduce”