编写一个 MapReduce 程序来对 Hadoop.txt 中各个单词出现的次数进行统计

好的，这个问题可以通过编写一个 MapReduce 程序来解决。以下是一个简单的 MapReduce 程序来对 Hadoop.txt 中各个单词出现的次数进行统计的示例：

1. Map 阶段

在 Map 阶段，我们将输入文件 Hadoop.txt 中的每一行分解成单词，并将每个单词映射到一个键值对中，其中键是单词本身，值为 1，表示该单词出现了一次。

public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
  private final static IntWritable ONE = new IntWritable(1);
  private Text word = new Text();
  
  public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    String line = value.toString();
    StringTokenizer tokenizer = new StringTokenizer(line);
    while (tokenizer.hasMoreTokens()) {
      word.set(tokenizer.nextToken());
      context.write(word, ONE);
    }
  }
}

2. Reduce 阶段

在 Reduce 阶段，我们将相同单词的键值对合并，并将它们的值相加，以得到每个单词出现的总次数。

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
  public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
    int sum = 0;
    for (IntWritable val : values) {
      sum += val.get();
    }
    context.write(key, new IntWritable(sum));
  }
}

3. 驱动程序

在驱动程序中，我们指定输入输出路径，以及 Mapper 和 Reducer 类。

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

以上代码可以将 Hadoop.txt 中各个单词出现的次数进行统计，并将结果输出到指定的输出路径中。