MapReduce的reduce函数里的key用的是同一个引用

最近写MapReduce程序，出现了这么一个问题，程序代码如下：

 package demo;

 import java.io.IOException;
 import java.util.HashMap;
 import java.util.Map;
 import java.util.Map.Entry;

 import org.apache.hadoop.fs.FSDataOutputStream;
 import org.apache.hadoop.fs.FileSystem;
 import org.apache.hadoop.fs.Path;
 import org.apache.hadoop.io.IntWritable;
 import org.apache.hadoop.io.Text;
 import org.apache.hadoop.mapreduce.Reducer;

 public class ReducerDemo extends Reducer<Text, IntWritable, Text, IntWritable>{

     private FileSystem fs = null;
     private FSDataOutputStream outs = null;
     public Map<Text, Integer> wordNumMap = new HashMap<Text, Integer>();

     @Override
     protected void setup(Context context)
             throws IOException, InterruptedException {
         String logFile = context.getConfiguration().get(HdpDemo.LOG_FILE);
         fs = FileSystem.get(context.getConfiguration());
         if(null != logFile){
             int taskId = context.getTaskAttemptID().getTaskID().getId();
             logFile += ("_"+taskId);
             outs = fs.create(new Path(logFile));
         }
     }

 /*    public void reduce(Text key, IntWritable value, Context context){

     }*/

     public void reduce(Text key, Iterable<IntWritable> numberIter, Context context)
             throws IOException, InterruptedException {
         Text word = key;
         Integer currNum = wordNumMap.get(word);
         if(null == currNum){
             currNum = 0;
         }
         for(IntWritable num:numberIter){
             currNum += num.get();
         }
         wordNumMap.put(word, currNum);

     }

     @Override
     protected void cleanup(Context context)
             throws IOException, InterruptedException {
         for(Entry<Text, Integer> entry : wordNumMap.entrySet()){
             IntWritable num = new IntWritable(entry.getValue());
             context.write(entry.getKey(), num);
         }
         outs.close();
     }

     private void log(String content) throws IOException{
         if(null != outs){
             outs.write(content.getBytes());
         }
     }

 }

这是个单词统计的reducer类，按理说打印出来的结果应该是如下结果：

world
ccc
of
best
the
is
bbb
james
ddd
hello
aaa     

而实际上的打印结果却为：

world:
world:
world:
world:
world:
world:
world:
world:
world:
world:
world:

原因分析如下：

Hadoop的MapReduce框架每次调用reducer的reduce函数，代码中的第39行，每次传入的key都是对同一个地址的引用，导致了插入wordNumMap中的那些key都被修改了。

而如果把第41行的

Text word = key;

改为

Text word = new Text();
word.set(key);

这样结果就正确了，也印证了我的猜测。