java如何使用JavaSpark有效地处理数百万条记录

Question

我是JavaSpark的新手
我需要比较和处理数百万条记录，我使用了纯java多线程，但我想用spark的方式来提高性能

问题陈述：
我们的数据库中有数百万条记录，我需要将其与另一个列表进行比较并进行处理
示例：
步骤1：我们有一个列表1，其中包含从文件系统获取的一百万个字符串（这没有问题）
步骤2：我们正在从数据库中获得另外一百万条记录并添加到列表2中
步骤3：迭代并比较List1元素和List2（如果List2中存在List1元素，则更新数据库中的List2元素）
挑战
第2步和第3步花了很多时间，如何将这个问题语句转换成JavaSpark来提高性能

我试过什么

List paths (this contains million strings)
Iterator<T> oneMillionRecords =
        database.fetching();// this is taking time
                Iterable<T> iterable = () -> oneMillionRecords;
JavaRDD<T> parentPathRDDs = javaSparkContext.parallelize(
              StreamSupport.stream(iterable.spliterator(), false)
                           .collect(Collectors.toList()));

List<T> avaliableResources = parentPathRDDs.filter(r -> {
    return paths.contains(r.getPath()));
}).map(dr->{dr.setXXX("YYY"); return dr;}).collect();

List<T> unreachableResources = parentPathRDDs.filter(r -> {
    return (!paths.contains(r.getPath())));
}).map(dr->{dr.setX("ZZZ"); return dr;}).collect();

List<T> allRes = new ArrayList<>();
allRes.addAll(avaliableResources);
allRes.addAll(unreachableResources);
resourcesToUpdate.addAll(allRes); 

上面的代码对性能没有太大影响，有人能提出更好的解决方案吗