MapReduce编程实践：利用MapReduce编程实现diabetes中的单词个数统计。（将代码和结果截图上传。）

MapReduce是一种分布式计算模型，主要用于处理大规模数据集。在Hadoop框架中，它简化了大数据处理流程，分为两个主要阶段：Map阶段和Reduce阶段。以下是使用Java编写的基本MapReduce程序，用于从"diabetes.csv"文件中统计每个单词的出现次数：

// 导入必要的库
import java.io.IOException;
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> {
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        @Override
        protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            String[] tokens = value.toString().split("\\s+");
            for (String token : tokens) {
                word.set(token);
                context.write(word, one);
            }
        }
    }

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

        @Override
        protected 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);
        }
    }

    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);
        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);
    }
}

要运行此程序并查看结果，你需要在Hadoop集群上执行，并提供输入路径和输出路径。例如，假设输入文件为"data/diabetes.csv"，输出到"hdfs:///output/wordcount"。然后提交作业并检查结果。

由于这是一个文本环境，无法提供实际的结果截图。运行后，你可以在指定的输出目录找到一个名为"part-r-00000"的文本文件，其中包含每个单词及其出现次数。你可以使用`hadoop fs -cat [output_path]`命令查看文件内容。