我有一段代码：

StructType schema = new StructType(
                new StructField[] { DataTypes.createStructField("file_path", DataTypes.StringType, false),
                        DataTypes.createStructField("file_content",
                                DataTypes.createArrayType(DataTypes.StringType, false), false) });

Dataset<Row> df = spark.createDataFrame(shinglesDocs.map(new Function<Tuple2<String, String[]>, Row>() {
            @Override
            public Row call(Tuple2<String, String[]> record) {
                return RowFactory.create(record._1().substring(record._1().lastIndexOf("/") + 1), record._2());
            }
        }), schema);
        df.show(true);

CountVectorizer vectorizer = new CountVectorizer().setInputCol("file_content").setOutputCol("feature_vector")
                .setBinary(true);
        CountVectorizerModel cvm = vectorizer.fit(df);
        Broadcast<Integer> vocabSize = sc.broadcast(cvm.vocabulary().length);
        System.out.println("vocab size = " + cvm.vocabulary().length;
        for (int i = 0; i < vocabSize.value(); i++) {
            System.out.print(cvm.vocabulary()[i] + "(" + i + ") ");
        }
        System.out.println();

        Dataset<Row> characteristicMatrix = cvm.transform(df);
        characteristicMatrix.show(false);

cm contains=[文档1列，文档2列，文档3列]
其中，column-for-document1如下所示（1，0，1，1，0，0，1，1）
我需要计算js=a/（a+b+c）
column-for-document1和column-for-document2之间的jaccard相似性（js）
column-for-document1和column-for-document3之间的jaccard相似性（js）
column-for-document2和column-for-document3之间的jaccard相似性（js）
但是cm是一个大文件，它在3台不同的计算机上（因为它是大数据编程），所以，
文件列1在一台计算机上；文档列2在另一台计算机上；文件列3在第3台计算机上
如果它们都在不同的计算机上，你如何计算上面的呢？
我需要用笛卡尔坐标 cm.cartesian(cm) 但我甚至不知道从哪里开始，因为cm在数据集中。我想也许我可以把它转换成一个数组，然后比较索引，但是我以前从来没有处理过数据集，所以我不知道怎么做，或者什么是最好的策略。
请用java spark写下你的答案。