运用MapReduce编程实现求平均成绩，原始文件：张三 98 李四 94 王五 89 张三 86 李四 92 王五 86 张三 82 李四 90最终输出：张三 88 李四 92 王五·87

实现思路：

1. 将原始文件中的每一行按照空格分割，得到学生姓名和成绩。

2. 将学生姓名作为 Map 的 key，成绩作为 value，将数据进行 Map 操作，输出 <key, value> 键值对。

3. 在 Reduce 阶段，对于每一个 key（即学生姓名），将其对应的所有 value（即成绩）进行累加求和，并记录对应的数量。最后计算平均成绩并输出。

代码实现：

Mapper:

public class ScoreMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    private Text name = new Text();
    private IntWritable score = new IntWritable();

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] words = value.toString().split(" ");
        if(words.length == 2) {
            name.set(words[0]);
            score.set(Integer.parseInt(words[1]));
            context.write(name, score);
        }
    }
}

Reducer:

public class ScoreReducer extends Reducer<Text, IntWritable, Text, DoubleWritable> {
    private DoubleWritable avgScore = new DoubleWritable();

    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        int count = 0;
        for (IntWritable val : values) {
            sum += val.get();
            count++;
        }
        double avg = (double)sum / count;
        avgScore.set(avg);
        context.write(key, avgScore);
    }
}

Driver:

public class ScoreDriver {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "score average");

        job.setJarByClass(ScoreDriver.class);
        job.setMapperClass(ScoreMapper.class);
        job.setReducerClass(ScoreReducer.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

运行结果：

张三	88.66666666666667
李四	92.0
王五	87.0