我使用的是spark数据集，然后我想创建组，并将每个组写入通常本地文件系统中的每个文件中。所以我尝试使用dataset的groupbykey并生成keyvaluegroupeddataset，然后使用mapgroups（或flatmapgroups）来实现这一点。
作为我的代码在本地模式下的一种行为，看起来没有问题，但是我的方法是基于这样一种假设，即组必须位于类似于机器的分区上。如果一个组位于多台机器上，我的方法必须被打破。
我想保证一个组总是位于一台机器上，即使一个组的数量相当大。