编写一个Java MapReduce程序来处理您提供的数据格式，并将其最后一列（时间戳）转换为日期格式（如2017-11-23），同时保持该行其他数据不变，Mapper、Reducer、Driver三个一个都不能被省略

为了处理给定的数据格式并实现所需的功能——将时间戳转换成指定的日期格式（例如“2017-11-23”），可以设计一个Java MapReduce程序。这个程序包括Mapper、Reducer以及驱动代码（Driver）。下面提供了一个概念性的框架：

### Mapper部分
Mapper的作用是从输入中提取出每一条记录，并对需要转换的时间戳进行处理。假设我们使用Hadoop的默认分隔符（逗号），Mapper类应该如下所示：

import java.io.IOException;
import java.text.SimpleDateFormat;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class DataFormatMapper extends Mapper<LongWritable, Text, Text, Text> {
    private static final SimpleDateFormat dateFormat = new SimpleDateFormat("yyyyMMdd");

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] parts = value.toString().split(",");
        if (parts.length > 0) {
            // 将时间戳转换为日期格式
            String dateString = dateFormat.format(Long.parseLong(parts[parts.length - 1]));
            StringBuilder sb = new StringBuilder();
            for (int i = 0; i < parts.length - 1; i++) {
                sb.append(parts[i]).append(",");
            }
            sb.append(dateString);
            context.write(new Text(), new Text(sb.toString()));
        }
    }
}

### Reducer部分
在这个场景下，Reducer主要是输出Mapper阶段的结果，因为不需要对键值对做进一步的聚合操作。

import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class DataFormatReducer extends Reducer<Text, Text, Text, Text> {

    @Override
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        for (Text val : values) {
            context.write(key, val);
        }
    }
}

### Driver部分
最后是Driver类，用于设置MapReduce作业的相关参数，并启动作业执行。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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 DataFormatDriver {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "data format conversion");
        job.setJarByClass(DataFormatDriver.class);
        job.setMapperClass(DataFormatMapper.class);
        job.setReducerClass(DataFormatReducer.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);
    }
}

此方案提供了基本的结构和逻辑以完成任务要求。注意实际编码时还需要考虑异常处理和其他细节优化。