使用mapreduce写一个词频统计，并给出每行代码的注释

好的，下面是使用 MapReduce 写词频统计的代码及注释：

// Map 阶段
public static class Map extends Mapper<LongWritable, Text, Text, IntWritable>{
    private final static IntWritable one = new IntWritable(1);  // 定义一个 IntWritable 类型的常量 one，值为 1
    private Text word = new Text();  // 定义一个 Text 类型的变量 word

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException{
        String line = value.toString();  // 将输入的每一行数据转为字符串
        StringTokenizer tokenizer = new StringTokenizer(line);  // 将字符串按照空格分隔成单词

        while (tokenizer.hasMoreTokens()){  // 遍历每个单词
            word.set(tokenizer.nextToken());  // 将当前单词存入变量 word 中
            context.write(word, one);  // 输出 <word, 1>
        }
    }
}

// Reduce 阶段
public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable>{
    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException{
        int sum = 0;  // 定义一个整型变量 sum，初始值为 0

        for (IntWritable val : values){  // 遍历每个单词的出现次数
            sum += val.get();  // 将每个单词的出现次数累加到 sum 中
        }
        
        context.write(key, new IntWritable(sum));  // 输出 <word, sum>
    }
}

// Driver 阶段
public static void main(String[] args) throws Exception{
    Configuration conf = new Configuration();  // 创建一个 Configuration 对象
    Job job = Job.getInstance(conf, "word count");  // 创建一个 Job 对象，设置作业名称为 "word count"
    job.setJarByClass(WordCount.class);  // 设置作业运行的类
    job.setMapperClass(Map.class);  // 设置 Map 类
    job.setCombinerClass(Reduce.class);  // 设置 Combine 类
    job.setReducerClass(Reduce.class);  // 设置 Reduce 类
    job.setOutputKeyClass(Text.class);  // 设置输出键的类型
    job.setOutputValueClass(IntWritable.class);  // 设置输出值的类型
    FileInputFormat.addInputPath(job, new Path(args[0]));  // 设置输入路径
    FileOutputFormat.setOutputPath(job, new Path(args[1]));  // 设置输出路径
    System.exit(job.waitForCompletion(true) ? 0 : 1);  // 提交作业并等待完成
}

以上代码实现了词频统计的功能，注释中对每个关键部分进行了说明。其中，MapReduce 的 Map 阶段将每个单词映射为键值对 <word, 1>，而 Reduce 阶段将相同单词的出现次数累加起来，输出 <word, sum>。主函数中通过设置作业的参数和路径来启动 MapReduce 作业的执行。