更新：
怎么样 foreach 回路：

val sc = new SparkContext(conf)
//val files = new File("Data\\files\\").listFiles.map(_.getAbsolutePath).toList 
val files = new File("Data\\files\\").listFiles.map(_.getName).toList           
files.foreach { file =>  
    //val lines = sc.textFile(file)
    val lines = sc.textFile("Data\\files\\" + file)
    println("total lines in file " + file + "  " + lines.count())   
    //do more stuf... for each file
    lines.saveAsTextFile("Data\\output\\" + file + "_output")
        }   
sc.stop()

输出：

total lines in file C:\Users\rpatel\workspaces\Spark\Data\files\file1.txt  4
total lines in file C:\Users\rpatel\workspaces\Spark\Data\files\file2.txt  4

您也可以在shell脚本中编写相同的for循环

# !/bin/bash

for file in $(hadoop fs -ls /hdfs/path/to/files/|awk -F '|' '{print $NF}')
do
  #run spark for each file
  spark-submit <options> $file /path/output/$file
done

或一次性处理所有文件。。。。
您可以将所有文件放在一个目录中，并且只将完整的目录路径传递给spark上下文，spark将处理该目录中的所有文件：

val peopleRDD = sc.textFile("/path/to/csv_files/")

您还可以组合RDD，如：

val file1RDD = sc.textFile("file1.csv") 
    val file2RDD = sc.textFile("file2.csv")
    val allFileRDD = file1RDD ++ file2RDD // ++ nRDD

但是对于90个文件，我会把所有文件放在一个目录中，并使用目录路径在一个作业中处理所有文件。。。