怎么创建运行上述程序的Hadoop Job程序，具体完整的且能够跑通的代码是什么？

创建并运行Hadoop MapReduce程序涉及几个关键步骤，这里以Java编写为例，因为Hadoop通常用Java作为主要开发语言：

1. **创建`JobConf`对象**: 这是Hadoop Job的基本配置，包含了map/reduce任务的相关信息。

   Configuration conf = new Configuration();
   Job job = Job.getInstance(conf, "exampleJob");

2. **定义Mapper和Reducer**: 创建`Mapper`和`Reducer`类，它们是Hadoop MapReduce的核心逻辑。假设我们有一个简单的mapper和reducer：

   // Mapper.java
   public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
       // ... 实现你的map逻辑 ...
   }

   // Reducer.java
   public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
       // ... 实现你的reduce逻辑 ...
   }

3. **设置Mapper和Reducer**: 将你的Mapper和Reducer类添加到job配置中：

   job.setMapperClass(Mapper.class);
   job.setReducerClass(Reducer.class);

4. **设置输入和输出路径**: 指定你的数据源和结果保存位置。

   FileInputFormat.addInputPath(job, new Path("inputDirectory"));
   FileOutputFormat.setOutputPath(job, new Path("outputDirectory"));

5. **提交作业**:

   boolean success = job.waitForCompletion(true);
   if (success) {
       System.out.println("Job completed successfully!");
   } else {
       System.err.println("Job failed.");
   }

完整代码示例可能看起来像这样（简化版）：

// 前面部分已经列出

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

    // ... Mapper and Reducer classes ...

    job.setJarByClass(MyJobDriver.class); // 如果有自定义JAR包
    job.setMapperClass(Mapper.class);
    job.setReducerClass(Reducer.class);

    // ... set input/output paths ...

    boolean result = job.waitForCompletion(true);
    if (result) {
        System.out.println("Job succeeded.");
    } else {
        System.exit(-1);
    }
}

请注意，这只是一个基本框架，实际应用中可能还需要处理文件分片（split）、序列化/反序列化以及错误处理等细节。