用java的MapReduce写一个完整的一定能够跑通的MapReduce程序，目的是将这个文档中的数据以行为单位分割后，将每行的最后一列数据类型拆分成2017-11-23这种的类型

为了实现您所描述的需求——使用Java MapReduce处理指定文本文件，并将每行的最后一部分（日期）转换为特定格式（例如“2017-11-23”），下面提供了一个基本的MapReduce示例代码框架。请注意，在实际环境中运行此代码前，需要确保您的开发环境已正确配置好Hadoop及相关依赖库：

### Mapper类

首先定义Mapper来解析输入行并提取出日期字段，然后将其转换为我们所需的格式。

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

public class DateFormatterMapper extends Mapper<LongWritable, Text, Text, Text> {
    private final static Text one = new Text();
    private Text word = new Text();

    @Override
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 按逗号分隔每一行
        String[] parts = value.toString().split(",");
        if (parts.length > 0) {
            // 获取最后一段，即日期
            String datePart = parts[parts.length - 1];
            // 提取年月日
            String year = datePart.substring(0, 4);
            String month = datePart.substring(4, 6);
            String day = datePart.substring(6);
            // 格式化输出
            String formattedDate = year + "-" + month + "-" + day;
            word.set(formattedDate);
            context.write(word, one);
        }
    }
}

### Reducer类

由于这里只需要格式化日期并不涉及汇总等操作，可以不编写Reducer逻辑直接传递给下一流程。

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

public class DateFormatterReducer extends Reducer<Text, Text, Text, IntWritable> {

    private final static IntWritable one = new IntWritable(1);

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

### Driver/主函数

最后设置作业参数及驱动程序来启动MapReduce任务。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 DateFormatterJob {

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "date formatter");
        job.setJarByClass(DateFormatterJob.class);
        job.setMapperClass(DateFormatterMapper.class);
        job.setReducerClass(DateFormatterReducer.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);
    }
}

这段代码展示了如何读取输入文件(`args[0]`), 使用自定义的映射器和简化版的归约器进行处理，并将结果保存到输出目录(`args[1]`)中去。在部署时，请替换`args[0]`和`args[1]`为您本地或集群上的实际路径。