已在本地idea上连接上虚拟机的Hadoop，用idea编写一个Driver类，配置MapReduce作业的输入路径、输出路径、Mapper类、Reducer类等参数，并将作业自动提交到Hadoop并运行

好的，我可以为您提供一份Java代码示例，帮助您完成这个任务。请按照以下步骤操作：

1. 首先，您需要在本地安装Hadoop，并连接到虚拟机上的Hadoop集群。您可以使用以下代码片段来连接到Hadoop：

Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://[your-hdfs-hostname]:[your-hdfs-port]");
conf.set("mapreduce.framework.name", "yarn");
conf.set("yarn.resourcemanager.address", "[your-rm-hostname]:[your-rm-port]");
conf.set("yarn.resourcemanager.scheduler.address", "[your-rm-hostname]:[your-rm-scheduler-port]");
conf.set("mapreduce.jobhistory.address", "[your-historyserver-hostname]:[your-historyserver-port]");
conf.set("mapreduce.jobhistory.webapp.address", "[your-historyserver-hostname]:[your-historyserver-webapp-port]");

2. 接下来，您需要创建一个Driver类，并配置MapReduce作业的输入路径、输出路径、Mapper类、Reducer类等参数。以下是一个简单的示例代码：

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class MyDriver {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "myjob");

        job.setJarByClass(MyDriver.class);
        job.setMapperClass(MyMapper.class);
        job.setReducerClass(MyReducer.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        FileInputFormat.addInputPath(job, new Path("/input"));
        FileOutputFormat.setOutputPath(job, new Path("/output"));

        job.waitForCompletion(true);
    }
}

3. 在上面的代码中，我们使用了MyMapper和MyReducer作为Mapper和Reducer类。您需要根据您的需求创建这两个类，并实现map和reduce方法。

4. 最后，您需要自动提交作业并运行它。以下是一个简单的示例代码：

job.submit();
while (!job.isComplete()) {
    Thread.sleep(1000);
}
System.exit(job.isSuccessful() ? 0 : 1);

这将自动提交作业并等待它完成。如果作业成功完成，则退出程序并返回0。否则，返回1。

希望这可以帮助您完成此任务！