上述代码示例中使用了Scala语言来演示Apache Spark中的GROUP BY操作。首先，我们定义了一个包含姓名和年龄的数据集，然后使用SparkContext的parallelize方法将数据集转换为RDD。接着，我们使用groupBy方法按照姓名对数据进行分组。最后，对每个组的年龄进行求和，并打印结果。

如果你想使用Java语言来实现同样的功能，可以参考以下代码示例：

import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;

import java.util.Arrays;
import java.util.List;
import java.util.Map;

public class GroupByExample {
    public static void main(String[] args) {
        // 创建JavaSparkContext
        SparkConf conf = new SparkConf().setAppName("GroupByExample").setMaster("local");
        JavaSparkContext sc = new JavaSparkContext(conf);

        // 创建数据集
        List> data = Arrays.asList(
                new Tuple2<>("Alice", 25),
                new Tuple2<>("Bob", 30),
                new Tuple2<>("Alice", 35),
                new Tuple2<>("Bob", 40),
                new Tuple2<>("Alice", 20)
        );

        // 将数据集转换为JavaRDD
        JavaRDD> rdd = sc.parallelize(data);

        // 使用groupBy按照姓名对数据进行分组
        JavaPairRDD>> groupedData = rdd.groupBy(Tuple2::_1);

        // 对每个组的年龄进行求和，并打印结果
        Map result = groupedData.mapValues(values -> {
            int sum = 0;
            for (Tuple2 value : values) {
                sum += value._2();
            }
            return sum;
        }).collectAsMap();

        for (Map.Entry entry : result.entrySet()) {
            System.out.println(entry.getKey() + ": " + entry.getValue());
        }

        // 关闭JavaSparkContext
        sc.stop();
    }
}

上述Java代码示例中，我们首先创建了一个JavaSparkContext对象。然后，创建了包含姓名和年龄的数据集，并使用parallelize方法将数据集转换为JavaRDD。接下来，使用groupBy方法按照姓名对数据进行分组，并将结果存储在JavaPairRDD中。最后，对每个组的年龄进行求和，并打印结果。

希望这个解决方法对你有帮助！