Hadoop之MapReduce的应用案例

如题：

学生id,课程id,分数
1,12,80
2,30,91
2,21,98
3,2,100
4,1,50
4,2,58
4,3,65
1,11,75

请实现：

（1）找出每门课不及格学生信息按照格式 “课程id：学生id1,学生id2”格式输出。

（2）找到所有科目都及格的学生id，按照id的升序排序。

（3）统计每门课的学生分数段按照 如下格式输出：课程id：[100,90]分数段学生人数,(90,80]分数段学生人数,(80,70]分数段学生人数,(70,60]分数段学生人数,不及格学生人数。

（1）直接上代码：

public class demo01 {
   
	static class m extends 
	Mapper<LongWritable, Text, Text, Text> {
   
		@Override
		protected void map(LongWritable key, Text value,
	 Mapper<LongWritable, Text, Text, Text>.Context context)
				throws IOException, InterruptedException {
   
			String l = value.toString();
			String[] a = l.split(",");
			String a1 = a[0];
			String a2 = a[1];
			int a3 = Integer.parseInt(a[2]);
			if (a3 < 60) {
   
				context.write(new Text(a2), new Text(a1));
			}
		}
	}
		static class s extends Reducer<Text, Text, Text, Text>
		 {
   
			@Override
			protected void reduce(Text key, 
			Iterable<Text> values, 
			Reducer<Text, Text, Text, Text>.Context context)
			throws IOException, InterruptedException {
   
				for(Text v : values) {
   
				context.write(new Text(key), new Text(v));
				}
			}
		}
		public static void main(String[] args