用java的MapReduce写一个完整的一定能够跑通的MapReduce程序，目的是将这个文档中的数据以行为单位分割后，将每行的倒数第二列数据类型拆分成2017-11-23这种的类型后与改行的其他数据一起保存下来，最后检查每一行数据中是否有多余的空格，如果有就删除

为了实现您所描述的需求，我们可以设计一个简单的Java MapReduce程序来处理文本文件中的每一行记录，并对日期格式进行调整以及去除多余的空格。下面是一个基本的框架示例：

### Mapper类
Mapper的主要任务是从输入的文本行中读取数据，并将每行按照逗号分隔符切分，然后转换日期格式并清理多余空格。

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

public class DateFormatterMapper extends Mapper<LongWritable, Text, Text, Text> {
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String[] fields = line.split(",");
        
        // 检查是否有足够的字段
        if (fields.length >= 2) {
            // 转换日期格式: YYYYMMDD -> YYYY-MM-DD
            String dateStr = fields[fields.length - 2];
            String formattedDate = String.format("%s-%s-%s", dateStr.substring(0, 4), dateStr.substring(4, 6), dateStr.substring(6));
            
            // 清理多余的空格
            for (int i = 0; i < fields.length; i++) {
                fields[i] = fields[i].trim();
            }
            
            // 将格式化后的日期放回原位置
            fields[fields.length - 2] = formattedDate;
            
            // 构建新的字符串输出
            String outputLine = String.join(",", fields);
            context.write(new Text(outputLine), new Text("processed"));
        }
    }
}

### Reducer类
Reducer在这里主要用于收集和确认Mapper阶段的结果，这里可以简单地将结果直接写出。

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

public class DateFormatterReducer extends Reducer<Text, Text, Text, NullWritable> {
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        for (Text val : values) {
            context.write(key, NullWritable.get());
        }
    }
}

### 主函数
在主函数中配置Job参数，设置输入输出路径等。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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 DateFormatterDriver {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "date_formatter");
        job.setJarByClass(DateFormatterDriver.class);
        job.setMapperClass(DateFormatterMapper.class);
        job.setReducerClass(DateFormatterReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

以上代码提供了一个基础的MapReduce流程来处理您的需求，请根据实际情况调整输入输出路径以及其他细节部分。注意运行此程序需要Hadoop环境支持。