写一个特别完整的且一定能够跑通的Java程序，目的是使用Hadoop MapReduce框架来统计cookie.txt文件中的前10种最常被购买的商品ID及其购买次数（第一列为序号，第二列为用户id，第三列为类目id，第四列为操作类型）

要实现一个Java程序用于处理`cookie.txt`文件，并利用Hadoop的MapReduce框架找出文件中前10种最常被购买的商品ID及其对应的购买次数，我们需要设计一个Mapper和Reducer组合的工作流程。下面将提供一个基本的示例代码结构，该结构应该能够在适当的环境中运行并完成所需的任务。

### 步骤 1: 设置开发环境

首先需要确保已经安装了Hadoop以及相关的Java开发工具。你可以通过Hadoop官方网站获取最新的版本，并按照官方指南配置好你的开发环境。

### 步骤 2: 编写Java代码

接下来是具体的代码实现：

#### Mapper类

这个类负责读取输入文件并将每条记录转换为键值对形式，这里我们的键将是商品ID，而值则代表购买行为的一个计数器。

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

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

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] fields = value.toString().split(",");
        if ("buy".equals(fields[3])) { // 检查是否为购买操作
            word.set(fields[1]); // 商品ID作为键
            context.write(word, one); // 写入键值对 (商品ID, 1)
        }
    }
}

#### Reducer类

此部分汇总来自所有mapper的中间结果，并计算每个商品ID的实际购买数量。

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class PurchaseReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
    private LongWritable result = new LongWritable();

    public void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
        long sum = 0;
        for (LongWritable val : values) {
            sum += val.get();
        }
        result.set(sum);
        context.write(key, result); // 输出最终的商品ID与总购买次数
    }
}

#### Driver类

最后，编写驱动程序以启动作业。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class PurchaseDriver {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "PurchaseCount");
        job.setJarByClass(PurchaseDriver.class);
        job.setMapperClass(PurchaseMapper.class);
        job.setReducerClass(PurchaseReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

### 步骤 3: 运行程序

编译以上Java程序后，打包成JAR文件，并通过命令行提交到Hadoop集群上执行。

注意：上述提供的代码仅作为一个基础模板，在实际部署时可能还需要针对具体需求进行调整。此外，为了得到前10个最常见的商品ID，可能还需在Reducer之后添加额外逻辑或采用其他策略如自定义Partitioner来实现排序及限制输出的功能。