需要实现的是调用MapReduce对文件中各个单词出现的次数进行统计。要求在Linux系统中实现上述操作。

要在Linux系统中使用Hadoop MapReduce来统计文件中各单词的出现次数，你需要完成以下步骤：

1. **安装Hadoop**：首先确保你的系统上已经安装了Hadoop。你可以从Apache官网下载适合你的系统的版本并按照官方文档进行安装。

2. **编写MapReduce程序**：
- **Mapper**: `mapper.py`（假设是Python），负责读取每一行，分词并生成键值对。例如：

     from sys import stdin, stdout
     import re

     for line in stdin:
         words = re.findall(r'\b\w+\b', line.strip())
         for word in words:
             stdout.write(f"{word}\t1\n")  # 将单词和计数写入标准输出，键是单词，值是1

- **Reducer**: `reducer.py`，接收所有相同键的值并累加。例如：

     from heapq import nlargest
     from sys import stdin, stdout

     def mapper_sum(iter):
         for k, v in iter:
             yield k, sum(v)

     for line in stdin:
         current_word, counts = line.strip().split('\t')
         yield current_word, [int(counts)]

     for key, values in sorted(mapper_sum(iter)):
         total_count = sum(values)
         if total_count > 0:
             print(f"{key}\t{total_count}")

3. **创建Job**：
使用`hadoop jar`命令运行Mapper和Reducer。例如：

   hadoop jar /path/to/hadoop-streaming.jar \
   -mapper mapper.py -reducer reducer.py \
   -file mapper.py -file reducer.py \
   -input input_dir -output output_dir

其中`input_dir`是存放待处理文件的目录，`output_dir`是结果输出的位置。

4. **查看结果**：
查看`output_dir`中的输出文件，你会看到单词和它们的出现次数。

**注意事项**：
- 这里例子中假设了简单的文本文件处理，实际项目可能需要更复杂的文本预处理和序列化步骤。
- 为了在Linux中运行，确保你的环境变量设置正确，尤其是`JAVA_HOME`指向Java的安装路径，因为Hadoop通常依赖Java运行。