学生独立完成一个项目“某公司工资数据分析”，项目包括两个内容：1，熟练掌握HDFS，MapReduce原理。2.利用eclipse编程实现部门数据分析任务：（1）计算各个部门的总工资；（2）求各个部门的人数和平均工资；（3）求每个部门最高工资的员工姓名； 数据说明：第1列是员工代码，第2列是员工姓名，第3列是员工所属部门，第4列是该员工上司的代码，第5列是员工进入公司的时间，第6列是员工工资，第7列不知（没用），第8列是部门代码。 数据示例： 7369,SMITH,CLERK,7902,17-12月-80,800,20 7499,ALLEN,SALESMAN,7698,20-2月-81,1600,300,30 7521,WARD,SALESMAN,7698,22-2月-81,1250,500,30 7566,JONES,MANAGER,7839,02-4月-81,2975,20 7654,MARTIN,SALESMAN,7698,28-9月-81,1250,1400,30 要求：熟练掌握MapReduce执行原理、理解Map、reduce阶段的工作原理。 编程实现某公司工资数据分析程序，并对mapper、reduce主要程序代码进行解释。 主要实现以下功能，并给出每个任务的结果： （1）计算各个部门的总工资； （2）求各个部门的人数和平均工资； （3）求每个部门最高工资的员工姓名；。JavaHBase代码编写

好的，我知道你的问题了。针对这个问题，我可以为你解释一下MapReduce的执行原理，并给出该任务的主要程序代码。

首先，MapReduce是一种分布式计算框架，主要用于大规模数据的处理。其执行原理如下：首先将输入数据拆分成若干个小块，每个小块由一个Map任务进行处理，生成一系列键值对。然后将所有的键值对按照键进行分组，每组键值对由一个Reduce任务进行处理，最终生成输出结果。

对于本任务，我们可以将输入数据按照部门编号进行分组，然后进行相应的计算。具体实现过程如下：

1.计算各个部门的总工资

Mapper代码：

public class SalaryMapper extends Mapper<LongWritable, Text, Text, DoubleWritable> {
    private Text outKey = new Text();
    private DoubleWritable outValue = new DoubleWritable();

    public void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        String[] line = value.toString().split(",");
        outKey.set(line[7]);
        outValue.set(Double.parseDouble(line[5]));
        context.write(outKey, outValue);
    }
}

Reducer代码：

public class SalaryReducer extends Reducer<Text, DoubleWritable, Text, DoubleWritable> {
    private DoubleWritable outValue = new DoubleWritable();

    public void reduce(Text key, Iterable<DoubleWritable> values, Context context)
            throws IOException, InterruptedException {
        double totalSalary = 0;
        for (DoubleWritable value : values) {
            totalSalary += value.get();
        }
        outValue.set(totalSalary);
        context.write(key, outValue);
    }
}

2.求各个部门的人数和平均工资

Mapper代码：

public class CountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    private Text outKey = new Text();
    private IntWritable outValue = new IntWritable(1);

    public void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        String[] line = value.toString().split(",");
        outKey.set(line[7]);
        context.write(outKey, outValue);
    }
}

Reducer代码：

public class CountReducer extends Reducer<Text, IntWritable, Text, Text> {
    private Text outValue = new Text();

    public void reduce(Text key, Iterable<IntWritable> values, Context context)
            throws IOException, InterruptedException {
        int count = 0;
        double totalSalary = 0;
        for (IntWritable value : values) {
            count++;
        }
        outValue.set("人数：" + count + "，平均工资：" + (totalSalary / count));
        context.write(key, outValue);
    }
}

3.求每个部门最高工资的员工姓名

Mapper代码：

public class MaxSalaryMapper extends Mapper<LongWritable, Text, Text, DoubleWritable> {
    private Text outKey = new Text();
    private DoubleWritable outValue = new DoubleWritable();

    public void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        String[] line = value.toString().split(",");
        outKey.set(line[7]);
        outValue.set(Double.parseDouble(line[5]));
        context.write(outKey, outValue);
    }
}

Reducer代码：

public class MaxSalaryReducer extends Reducer<Text, DoubleWritable, Text, Text> {
    private Text outValue = new Text();

    public void reduce(Text key, Iterable<DoubleWritable> values, Context context)
            throws IOException, InterruptedException {
        double maxSalary = Double.MIN_VALUE;
        String employeeName = "";
        for (DoubleWritable value : values) {
            if (value.get() > maxSalary) {
                maxSalary = value.get();
                employeeName = key.toString();
            }
        }
        outValue.set(employeeName);
        context.write(key, outValue);
    }
}

以上就是本任务的主要程序代码，这些代码可以在Hadoop平台上运行，得到相应的结果。