数据准备：

val df = Seq(("Josh",94),("Josh",87),("Amanda",96),("Karen",78),("Amanda",90),("Josh",88)).toDF("Name","Grade")

仅当您的数据 skewed 为了一个 Name ：添加一个随机数，并为每个随机数筛选前3个随机数 Name .

val df2 = df.withColumn("random", round(rand()*10))
import org.apache.spark.sql.expressions.Window
val windowSpec  = Window.partitionBy("Name").orderBy("random")
val df3 = df2.withColumn("row_number",row_number.over(windowSpec))
             .filter($"row_number" <= 3)

现在，为每个 Name 重复3次，确保每个人至少有3条记录 Name . 最后取前3个值 explode ```
df4.groupBy("Name").agg(collect_list("Grade") as "grade_list")
.withColumn("temp_list", slice( flatten(array_repeat($"grade_list", 3)), 1,3))
.select($"Name",explode($"temp_list") as "Grade").show

笔记：
因为上面的代码中最多有3个值 `grade_list` 因此，复制3次不会有什么害处。
如果你不使用 `Window` 步骤，你可以有一个组合 `when( size($"grade_list") === n, ).otherwise()` 避免不必要的重复。