用Java代码在WordCount基础上进行修改，能够完成以下的任务。 根据给定的输入文件，统计每个人的薪资总额。 能够在伪分布式集群和IDE环境下，实现功能。

好的，这是一个关于Hadoop的MapReduce编程的问题。首先需要在本地或者虚拟机上安装Hadoop环境，并且在IDE中配置好Hadoop相关的jar包和环境变量。

然后，需要编写Mapper和Reducer类。Mapper类将输入文件中的每一行转换为一个键值对，其中键是人名，值是薪资。Reducer类将相同键的值进行累加，得到每个人的薪资总额。

以下是示例代码：

Mapper类：

public class SalaryMapper extends Mapper<Object, Text, Text, DoubleWritable> {
    private Text name = new Text();
    private DoubleWritable salary = new DoubleWritable();

    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        String[] fields = value.toString().split(",");
        name.set(fields[0]);
        salary.set(Double.parseDouble(fields[1]));
        context.write(name, salary);
    }
}

Reducer类：

public class SalaryReducer extends Reducer<Text, DoubleWritable, Text, DoubleWritable> {
    private DoubleWritable totalSalary = new DoubleWritable();

    public void reduce(Text key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException {
        double sum = 0;
        for (DoubleWritable val : values) {
            sum += val.get();
        }
        totalSalary.set(sum);
        context.write(key, totalSalary);
    }
}

最后，在main函数中设置Job的相关参数，并且指定输入输出路径。调用Job的waitForCompletion方法提交任务。

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "salary count");
    job.setJarByClass(SalaryCount.class);
    job.setMapperClass(SalaryMapper.class);
    job.setReducerClass(SalaryReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(DoubleWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
}

其中，args[0]是输入文件路径，args[1]是输出文件路径。在IDE环境下可以直接运行程序，而在伪分布式集群上需要将程序打包成jar包，然后使用hadoop jar命令提交任务。