在Spark中，可以使用join方法来连接两个数据帧，而不使用crossJoin方法。join方法可以根据指定的列将两个数据帧进行连接。

下面是一个使用join方法连接两个数据帧的示例：

import org.apache.spark.sql.SparkSession

// 创建SparkSession
val spark = SparkSession.builder()
  .appName("Join Example")
  .master("local")
  .getOrCreate()

// 创建第一个数据帧
val df1 = spark.createDataFrame(Seq(
  ("Alice", 25),
  ("Bob", 30),
  ("Charlie", 35)
)).toDF("name", "age")

// 创建第二个数据帧
val df2 = spark.createDataFrame(Seq(
  ("Alice", "Engineer"),
  ("Bob", "Manager"),
  ("Dave", "Scientist")
)).toDF("name", "occupation")

// 使用join方法连接两个数据帧
val joinedDf = df1.join(df2, Seq("name"))

// 打印连接后的数据帧
joinedDf.show()

输出结果为：

+------+---+----------+
|  name|age|occupation|
+------+---+----------+
| Alice| 25|  Engineer|
|   Bob| 30|   Manager|
+------+---+----------+

在上面的示例中，我们通过join方法将两个数据帧df1和df2根据"name"列连接起来，并打印连接后的数据帧joinedDf。注意，join方法的第一个参数是另一个数据帧，而第二个参数是一个字符串数组，指定连接的列。使用Seq("name")表示根据"name"列进行连接。

通过使用join方法，我们可以避免使用crossJoin方法来连接两个数据帧，从而提高连接操作的效率。