基于Hadoop编写数据，数据源文件为商品id，商品分类，商品名称，售卖次数，售卖金额。 1.编写商品累计售卖次数和售卖金额统计。 2.商品累计售卖次数倒数统计 3.商品分类中累计售卖次数最多商品Top1统计。

基于Hadoop进行大数据处理，我们可以利用其分布式计算能力来高效地完成上述任务。以下是每个步骤的具体操作：

1. **商品累计售卖次数和售卖金额统计**:
- 使用MapReduce模型，首先通过Mapper读取商品ID、分类、名称、售卖次数和金额的数据。
- Mapper将数据转换成(key, value)对，其中key可能是商品ID，value是一个包含售卖次数和金额的元组。
- Reducer接收到键值对集合后，累加每种商品的售卖次数和总金额。

// 示例代码片段 (伪代码)
Mapper 商品Mapper(line, context) {
  String[] fields = line.split(",");
  emit(fields[0], Integer.parseInt(fields[3]), Double.parseDouble(fields[4])); // 销售次数，销售额
}

Reducer 商品Reducer(key, values, context) {
  int totalSales = 0;
  double totalPrice = 0;
  for (Value val : values) {
    totalSales += val.salesCount;
    totalPrice += val.salePrice;
  }
  context.write(key, new CountAndTotal(totalSales, totalPrice));
}

2. **商品累计售卖次数倒数统计**:
- 在Reducer阶段，可以先对所有商品的销售次数排序，然后取前几个（例如前10个）作为倒数统计的商品列表。
- 使用自定义的`TopKBySalesCount`类存储并返回倒数的排名信息。

class TopKBySalesCount implements WritableComparable<TopKBySalesCount> {
  int rank;
  int salesCount;

  // 重写compareTo方法用于排序
}

// 修订Reducer
List<TopKBySalesCount> topSales = new ArrayList<>();
...
topSales.sort((a, b) -> b.salesCount - a.salesCount);
context.write(key, topSales.get(0)); // 输出销量倒数第一的商品

3. **商品分类中累计售卖次数最多商品Top1统计**:
- 类似于上面的过程，对每个分类下的商品进行单独的销售次数累积，并找出每个分类中销售次数最多的商品。
- 可以创建一个`CategoryTopSeller`类来存储分类和对应的Top卖家信息。

class CategoryTopSeller(String category, TopKBySalesCount seller) {
  // 实现相关getter和setter
}

// 继续在Reducer中
Map<String, TopKBySalesCount> categoryCounts = new HashMap<>();
for (TopKBySalesCount seller : topSales) {
  if (!categoryCounts.containsKey(seller.getKey())) {
    categoryCounts.put(seller.getKey(), seller);
  } else if (seller.salesCount > categoryCounts.get(seller.getKey()).salesCount) {
    categoryCounts.put(seller.getKey(), seller);
  }
}

context.write(categoryCounts);