MapReduce实现共同好友，要求实现下列要求： 以下是微信的好友列表数据．冒号前是一个用户，冒号后是该用户的所有好友（数据中的好友关系是单向的)e A:B,C,D,F,E,O,E B:A,C,E,K C:F,A,D,l D:A,E.F,L E:B,C,D,M,L F:A,B,C,D,E,O,M G:A,C,D,E,F H:A,C,D,E,O l:A,O ]:B,O K:A,C,D L:D,E,F M:E.F,G O:A,H,I,J 求出哪些人两两之间有共同好友．及他俩的共同好友都有谁?具体代码实现怎么写

好的，下面是基于Hadoop MapReduce实现共同好友的代码实现，包括Mapper和Reducer函数：

from mrjob.job import MRJob

class CommonFriends(MRJob):
    
    def mapper(self, key, line):
        # 解析输入数据
        user, friends = line.strip().split(':')
        friends_list = friends.split(',')
        # 对于每个好友，将其和用户组合成一个键，并将好友列表作为值输出
        for f in friends_list:
            yield (min(user, f), max(user, f)), set(friends_list)
    
    def reducer(self, pair, friend_lists):
        # 对于每个键，取所有好友列表的交集，得到共同好友列表
        common_friends = set.intersection(*friend_lists)
        # 输出两两之间共同好友的列表
        yield pair, list(common_friends)

if __name__ == '__main__':
    CommonFriends.run()

以上代码使用了Python的mrjob库，可以方便地在Hadoop集群上运行MapReduce作业。具体使用方法可以参考mrjob的官方文档：https://mrjob.readthedocs.io/。

需要注意的是，为了方便起见，上述代码中假设输入数据中的好友关系是单向的，即如果A是B的好友，那么输入数据中只会有一条记录，即"A:B"，而不会有"B:A"的记录。如果输入数据中存在双向的好友关系，需要在Mapper中将每个好友对应的所有用户都输出一遍，即将"A:B"和"B:A"都输出。