如何在Hadoop MapReduce中，利用Java API构建一个支持在线学习功能的WordCount程序，并在伪分布式集群模式下运行？请提供详细步骤和代码示例。

在处理大数据的环境中，Hadoop MapReduce结合Java API提供了一个强大的编程模型来实现分布式计算。为了构建一个支持在线学习功能的WordCount程序，我们需要理解如何在伪分布式集群模式下编写和运行MapReduce任务。以下是详细步骤和代码示例：

参考资源链接：[Hadoop MapReduce详解：从WordCount到工作流](https://wenku.csdn.net/doc/2orhbm0ac5?spm=1055.2569.3001.10343)

首先，确保你的环境已经安装并配置好了Hadoop，并且处于伪分布式模式。这一步骤对于能够在单节点上模拟分布式计算至关重要。

然后，创建一个Java类实现MapReduce程序。在这个例子中，我们将实现`Mapper`和`Reducer`类，并定义`main`方法来配置`Job`。

1. **定义Mapper类**：

public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }
}

2. **定义Reducer类**：

public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    private IntWritable result = new IntWritable();

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

3. **配置Job**：

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, 

参考资源链接：[Hadoop MapReduce详解：从WordCount到工作流](https://wenku.csdn.net/doc/2orhbm0ac5?spm=1055.2569.3001.10343)