Dentro do diretório fornecido, tenho muitas pastas diferentes e, dentro de cada pasta, tenho arquivos Hadoop (part_001etc.).

directory
   -> folder1
      -> part_001...
      -> part_002...
   -> folder2
      -> part_001...
   ...

Dado o diretório, como posso ler recursivamente o conteúdo de todas as pastas dentro desse diretório e carregar esse conteúdo em um único RDD no Spark usando o Scala?

Encontrei isso, mas ele não entra recursivamente em subpastas (estou usandoimport org.apache.hadoop.mapreduce.lib.input):

  var job: Job = null
  try {
    job = Job.getInstance()
    FileInputFormat.setInputPaths(job, new Path("s3n://" + bucketNameData + "/" + directoryS3))
    FileInputFormat.setInputDirRecursive(job, true)
  } catch {
    case ioe: IOException => ioe.printStackTrace(); System.exit(1);
  }
  val sourceData = sc.newAPIHadoopRDD(job.getConfiguration(), classOf[TextInputFormat], classOf[LongWritable], classOf[Text]).values

Eu também achei issopágina da web que usaSequenceFile, mas novamente não entendo como aplicá-lo ao meu caso?