MapReduce编程模型中，主要由哪三个组件构成？同时，请提供一个典型的Main函数在MapReduce程序中的基本结构代码示例。

MapReduce编程模型主要由三个核心组件组成：

1. **Mapper**：负责对原始数据进行处理，将输入的数据分成一个个独立的片段（键值对），并对每个片段应用用户自定义的map函数进行转换。
2. **Reducer**：接收Mapper处理后的中间结果，对具有相同键的值进行聚合，生成最终的结果键值对。
3. **Shuffle/Sort**：这是两个过程，首先Mapper产生的中间结果会通过网络进行shuffle，然后Reducer接收到数据后，按照键进行排序后再进行reduce操作。

下面是一个简单的Hadoop Java MapReduce程序的`Main`函数的基本结构代码示例：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {

    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        // map函数的具体实现...
        @Override
        protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            // 分词并发送到reducer
        }
    }

    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        // reduce函数的具体实现...
        @Override
        protected 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));
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class); // 可选设置，通常用于优化
        job.setReducerClass(IntSumReducer.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);
    }
}

在这个例子中，`TokenizerMapper`负责读取文本文件，分词，并将单词映射到`Text`键和`1`值；`IntSumReducer`接收键值对，累加每个单词出现的次数。最后，`main`函数配置了任务的输入、输出路径等信息，并启动任务运行。