Map程序读取文本文件，并在每行上应用以下Map函数

map: (key, value)
  time = value[2]
  emit("1", time)

所有map调用都会发出键“1”，该键将由一个reduce函数处理

reduce: (key, values)
  result = sum(values) / n
  emit("1", result)

因为您使用的是hadoop，所以您可能已经在map函数中看到了stringtokenizer的用法，您可以使用它只获取一行中的时间。此外，您还可以考虑一些方法来计算n（进程数），例如，您可以在另一个作业中使用一个只计算行数的计数器。
更新
如果要执行此作业，则必须为每行向reducer发送一个元组，如果在多台计算机上运行hadoop集群，则可能会阻塞网络。更聪明的方法可以计算接近输入的时间之和，例如通过指定组合器：

combine: (key, values)
  emit(key, sum(values))

然后，在同一机器的所有map函数的结果上执行该组合器，即，在两者之间没有联网。这样，reducer只会得到集群中机器数量的元组，而不是日志文件中的行数。

Map器将输入Map到要取平均值的值。假设您的输入是一个文本文件，格式如下

ProcessName Time
process1    10
process2    20
.
.
.

然后您需要获取文件中的每一行，拆分它，获取第二列，并将该列的值作为 IntWritable （或其他 Writable 数字类型）。因为您希望取所有时间的平均值，而不是按进程名或任何东西分组，所以您将有一个固定键。因此，您的Map器看起来像

private IntWritable one = new IntWritable(1);
private IntWritable output = new IntWritable();
proctected void map(LongWritable key, Text value, Context context) {
    String[] fields = value.split("\t");
    output.set(Integer.parseInt(fields[1]));
    context.write(one, output);
}

减速机接受这些值，并简单地计算平均值。这看起来像

IntWritable one = new IntWritable(1);
DoubleWritable average = new DoubleWritable();
protected void reduce(IntWritable key, Iterable<IntWrtiable> values, Context context) {
    int sum = 0;
    int count = 0;
    for(IntWritable value : values) {
        sum += value.get();
        count++;
    }
    average.set(sum / (double) count);
    context.Write(key, average);
}

我在这里做了很多假设，关于你的输入格式什么的，但是这些都是合理的假设，你应该能够调整这些来满足你的确切需求。
我的输出总是文本文件还是可以直接将平均值存储在某种变量中？
你有几个选择。例如，您可以对作业的输出进行后处理（写入单个文件），或者，由于您计算的是单个值，因此可以将结果存储在计数器中。