销售数据如下图所示，其中的字段为：1，产品ID；2，客户ID； 3，日期； 4，渠道ID； 5，促销ID； 6，销售的数量（件）； 7，销售的总额（元）。 使用MapReduce求出各年销售笔数，各年销售总额和各年销售平均值

好的，针对这个问题，我们可以使用MapReduce进行处理。首先，我们需要对数据进行处理，将日期字段拆分成年份和月份两个字段，这可以使用Map函数完成。然后，我们可以使用Reduce函数对年份进行聚合，计算各年销售笔数、销售总额和销售平均值。

下面是伪代码实现：

# Map函数
def sales_map(line):
    # 解析数据行
    fields = line.split(',')
    product_id = fields[0]
    customer_id = fields[1]
    date = fields[2]
    channel_id = fields[3]
    promotion_id = fields[4]
    quantity = int(fields[5])
    amount = float(fields[6])

    # 拆分年份和月份
    year = date[0:4]
    month = date[4:6]

    # 输出键值对
    yield year, (quantity, amount)

# Reduce函数
def sales_reduce(year, values):
    # 初始化计数器和总额
    count = 0
    total_amount = 0

    # 计算销售笔数和销售总额
    for quantity, amount in values:
        count += 1
        total_amount += amount

    # 计算销售平均值
    avg_amount = total_amount / count

    # 输出结果
    yield year, (count, total_amount, avg_amount)

在MapReduce作业中，我们需要将Map和Reduce函数组合起来进行处理。具体实现可以使用Hadoop或者Spark等分布式计算框架完成，这里我们只提供伪代码示例。