我一直使用Mongo DB作为独立实例，对我的数据进行一些分析。
但随着我的数据量不断增长，我开始尝试使用Mongo DB Cluster。
我的群集配置如下：
3台机器（2核CPU，2 GB RAM，30 GB硬盘）
1）机器1 - mongos，mongod，mongo配置服务器（Hostname-config2）
2）机器2 - mongod，mongo配置服务器（Hostname-config3）
3）机器3 - mongo配置服务器（Hostname-config1）
我使用了MongoDB的Map-Reduce功能，我观察到，如果是分片群集，当输出定向到分片集合时，map-reduce会输出错误的输出。在独立的mongo实例中没有观察到这个问题。
我有一个名为“user_data”的输入集合和一个名为“intermediate_data”的输出集合。我尝试在单个实例mongo和mongo集群上执行map-reduce代码，并在“intermediate_data”集合中检查已检查的条目数。
以下是独立实例中的输出（这是正确的输出）：
MongoDB shell版本：2.4.5
连接到：test
使用analysis_data_shekhar_test
切换到db analysis_data_shekhar_test
db.intermediate_data.find（）。itcount（）
1090900
Mongo Cluster：
mongos＆GT;使用analysis_data_shekhar_test
切换到db analysis_data_shekhar_test
mongos＆GT; db.intermediate_data.find（）。itcount（）
934832
我在mongo集群的一个分片中观察到mongod.log，它显示输出计数为1090900（这是正确的输出行数），但集合中的行数（934832）远小于此：
Mon Jan 6 22：45：05.352 [conn139] command analysis_data_shekhar_test。$ cmd command：{mapreduce.shardedfinish：{mapreduce：“user_data”，map：function（）{ var sid = this.sid; var ...，reduce：function（mac，mac_info_list）{ var result = {loclist_07：[]，cou ...，scope：{bitmap30：4294967166，bitmap14：4278190206，num7：7，bitmap7：2147483774，num14：14，num30：30}，query：{sid：{$ in ：[1,2,3,4,5}}}，out：{merge：“intermediate_data”，sharded：true}}，inputDB：“analysis_data_shekhar_test”，shardedOutputCollection：“tmp.mrs.user_data_1389028296_86”，分片：{config3 ：27018：{result：“tmp.mrs.user_data_1389028296_86”，splitKeys：[{_ id：{mac：“aa：aa：aa：aa：aa：aa”，ssid：“ABC”}}，{_ id：{mac ：“bb：bb：bb：bb：bb：bb”，ssid：“”}}，{_ id：{mac：“cc：cc：cc：cc：cc：cc”，ssid：“XYZ”}}， {_id：{mac：“dd：dd：dd：dd：dd：dd”，ssid：“”}}，{_ id：{mac：“ee：ee：ee：ee：ee：ee”，ssid：“ “}}，{_ id：{mac：”ff：ff：ff：ff：ff：ff“，ssid：”XYZ“}}]，timeMillis：183410，count：{input：596103，emit：1192206，reduce： 89217，输出： 1090900 }，ok：1.0}}，shardCounts：{config3：27018：{input：596103，emit：1192206，reduce：89217，output： 1090900 }，count：{emit：1192206，输入：59 6103，输出： 1090900 ，减少：89217}} ntoreturn：1 keyUpdates：0 lock（micros）W：2509 w：12843472 reslen：721 23709ms
有人可以告诉我为什么集合中的行数少于日志中显示的“out”数？
我尝试在google和stackoverflow上搜索类似的问题，但没有找到任何结果。
请帮忙。