我有包含用户和购买数据的数据集。下面是一个示例，其中第一个元素是userId，第二个元素是productId，第三个元素是boolean。
(2147481832,23355149,1)
(2147481832,973010692,1)
(2147481832,2134870842,1)
(2147481832,541023347,1)
(2147481832,1682206630,1)
(2147481832,1138211459,1)
(2147481832,852202566,1)
(2147481832,201375938,1)
(2147481832,486538879,1)
(2147481832,919187908,1)
...
我想确保我只占用每个用户数据的80％并构建RDD，同时占用20％的剩余部分并构建另一个RDD。让我们来电话和测试。我想远离使用groupBy开始，因为它可以创建内存问题，因为数据集很大。这是最好的方法吗？
我可以关注，但这不会给每个用户80％。
val percentData = data.map(x => ((math.random * 100).toInt, x._1. x._2, x._3)
val train = percentData.filter(x => x._1 < 80).values.repartition(10).cache()