测试数据源：20 Newsgroups (http://qwone.com/~jason/20Newsgroups/)，其中包含20个领域的新闻，此次我们使用20news-bydate-train作为测试数据.。
其结构如下
Spark Task:
对多篇文章提取其特征关键字以备检索、分类使用(关键字视为一个单词)
输入内容文件格式
(article_id，content...)
(article_id，content...)
(article_id，content...)
要求输出格式
(article_id,文章前20个特征关键字)
The Question to be solved：
1.虽然MLib提供了TF-IDF的实现,但是文章id无法跟踪.(提示:使用wholefile和zip函数)
2.MLib输出的结果是该文章所有单词对于的TF-IDF,格式必得转换