我正在发布一个用scala编写的解决方案。在Java中应该差不多。
执行一个leftOuterJoin，它将给予第一个rdd中的所有记录以及第二个rdd中的匹配记录。就像WrappedArray((168,(def,None)), (192,(abc,Some(abc))))一样。但是为了使记录只出现在第一个rdd中，我们对None应用了一个过滤器。

val data = spark.sparkContext.parallelize(Seq((192, "abc"),(168, "def")))
val data2 = spark.sparkContext.parallelize(Seq((192, "abc")))

val result = data
.leftOuterJoin(data2)
.filter(record => record._2._2 == None)

println(result.collect.toSeq)
Output> WrappedArray((168,(def,None)))

如果你使用Dataframe API - RDD是旧的，没有很多钨引擎的优化-你可以使用一个antijoin（它也可以存在于RDD API上，但让我们使用好的一个;- -））

val dataA = Seq((192, "abc"),(168, "def") ).toDF("MyLong", "MyString")
val dataB = Seq((192, "abc")).toDF.toDF("MyLong", "MyString")

dataA.join(dataB, Seq("MyLong"), "leftanti").show(false)

+------+--------+
|MyLong|MyString|
+------+--------+
|168   |def     |
+------+--------+