用Java编写MapReduce对2月 商品A 325 1月 商品A 235 1月 商品B 234 2月 商品C 572 3月 商品A 123 1月 商品C 321 2月 商品B 573 3月 商品C 876进行排序，要求先按月份升序排序，再按销售量降序排序，结果输出的是：1月 商品C 321 1月 商品A 235 1月 商品B 234 2月 商品B 573 2月 商品C 572 2月 商品A 325 3月 商品C 876 3月 商品B 648 3月 商品A 123在Hadoop上运行

首先，需要在Hadoop上搭建好MapReduce的开发环境，然后按照以下步骤进行编写：

1. 编写Mapper类，将每一行数据拆分成key-value对，key为月份，value为商品和销售量。

public class SortMapper extends Mapper<LongWritable, Text, Text, Text> {
    private Text outKey = new Text();
    private Text outValue = new Text();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] fields = value.toString().split(" ");
        String month = fields[1];
        String product = fields[2];
        String sales = fields[3];
        outKey.set(month);
        outValue.set(product + " " + sales);
        context.write(outKey, outValue);
    }
}

2. 编写Reducer类，对每个月份的商品销售量进行降序排序。

public class SortReducer extends Reducer<Text, Text, Text, Text> {
    private Text outValue = new Text();
    @Override
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        List<String> list = new ArrayList<String>();
        for (Text value : values) {
            list.add(value.toString());
        }
        Collections.sort(list, new Comparator<String>() {
            public int compare(String o1, String o2) {
                int s1 = Integer.parseInt(o1.split(" ")[1]);
                int s2 = Integer.parseInt(o2.split(" ")[1]);
                return s2 - s1;
            }
        });
        for (String str : list) {
            outValue.set(str);
            context.write(key, outValue);
        }
    }
}

3. 编写Driver类，设置Mapper类、Reducer类、输入输出路径和运行参数等。

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

4. 在Hadoop上运行MapReduce任务，命令为：

hadoop jar your_jar_path your_main_class_path input_path output_path

其中，your_jar_path为打包好的jar包路径，your_main_class_path为主类路径，input_path为输入路径，output_path为输出路径。

运行完成后，输出文件中的内容就是按照要求排序后的结果。