ApacheSparkJavaRDD按2个关键字段分组，并按设置获得第三个字段输出

我正在使用Java8进行spark工作

我有下面的输入数据集，我需要将其格式化为输出数据集

输入数据集数据量大：

region   |  keyword   | id    | name  |
--------------------------------------|
REGION1  |  milk      | 200   | abc   |
REGION2  |  lemon     | 100   | xy    |
REGION1  |  milk      | 100   | z     |

输出数据集：

region   |  keyword   | id (type: set)| 
--------------------------------------|
REGION1  |  milk      | {200, 100}    |
REGION2  |  lemon     | {100}         |

如何在JavaRDD中实现这一点