Spark，统计一个大hive表里所有文本里高频的字，海量数据的 word count，会内存溢出

不十分精确的话，
可以分两步groupby，
第一步按 每个句子的前五个字 groupby，先去掉重复次数比如大于100次的句子，
第二步再按 字 groupby，