用java写一个完整的且绝对可以跑通的MapReduce程序目的是将csv文件中的第六列20171128这种类型的数据拆分成2017-11-28

Java MapReduce操作通常用于Hadoop框架下，处理大量数据。以下是一个简单的示例，展示如何使用Java编写MapReduce程序以分割CSV文件中的日期字段：

// Mapper class
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public static class DateSplitMapper extends Mapper<Object, Text, Text, Text> {
    private final static String INPUT_DATE_FORMAT = "yyyyMMdd";
    
    @Override
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String[] fields = line.split(",");
        // 提取第六个字段并转换格式
        String dateStr = fields[5];
        String formattedDate = formatDateString(dateStr, INPUT_DATE_FORMAT);
        
        // Emit (key, value) pairs with the processed date
        context.write(new Text(key), new Text(formattedDate));
    }
    
    private String formatDateString(String input, String format) {
        try {
            return String.format(format, Integer.parseInt(input.substring(0, 4)), 
                                 Integer.parseInt(input.substring(4, 6)),
                                 Integer.parseInt(input.substring(6)));
        } catch (NumberFormatException e) {
            throw new IllegalArgumentException("Invalid date format in CSV", e);
        }
    }
}

// Reducer class (optional if no aggregation needed)
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public static class DateReducer extends Reducer<Text, Text, LongWritable, IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        int count = 0;
        for (Text value : values) {
            count++;
        }
        context.write(new LongWritable(), new IntWritable(count));
    }
}

在这个示例中，`DateSplitMapper`负责从CSV行中提取日期并转换格式，`formatDateString`方法按照"YYYY-MM-DD"的格式重新组织日期字符串。如果你不需要进一步的聚合，如计数，那么Reducer部分可以省略。

要运行此程序，你需要创建一个Hadoop Job，并设置Mapper和Reducer类。这里假设你有一个名为`input.csv`的CSV文件，你可以通过以下命令提交Job：

hadoop jar your-jar-file.jar YourDriverClass input input_dir output_dir -mapper DateSplitMapper -reducer DateReducer

注意：这只是一个基础示例，实际应用可能需要更复杂的错误处理和配置。另外，Hadoop生态系统已经包含了内置的工具如`TextInputFormat`和`TextOutputFormat`，可以直接简化Mapper和Reducer的实现。