要将数据持久化到Apache Ignite中，可以使用Apache Spark集成的IgniteRDD。以下是一个解决方法的示例代码：

首先，确保已经在项目中添加了Apache Ignite和Apache Spark的依赖项。

import org.apache.spark.sql.SparkSession
import org.apache.ignite.spark.IgniteDataFrameSettings

object IgniteSparkIntegrationExample {
  def main(args: Array[String]): Unit = {
    // 创建一个SparkSession
    val spark = SparkSession
      .builder()
      .appName("IgniteSparkIntegrationExample")
      .master("local[*]")
      .getOrCreate()

    // 创建IgniteRDD
    val igniteRdd = spark
      .read
      .format(IgniteDataFrameSettings.FORMAT_IGNITE)
      .option(IgniteDataFrameSettings.OPTION_TABLE, "your_table_name")
      .option(IgniteDataFrameSettings.OPTION_CONFIG_FILE, "ignite-config.xml")
      .load()

    // 执行操作，例如筛选数据
    val filteredRdd = igniteRdd.filter(row => row.getAs[String]("column_name") == "some_value")

    // 将结果保存回Ignite
    filteredRdd.write
      .format(IgniteDataFrameSettings.FORMAT_IGNITE)
      .option(IgniteDataFrameSettings.OPTION_TABLE, "your_table_name")
      .option(IgniteDataFrameSettings.OPTION_CONFIG_FILE, "ignite-config.xml")
      .option(IgniteDataFrameSettings.OPTION_CREATE_TABLE_PRIMARY_KEY_FIELDS, "primary_key_column")
      .option(IgniteDataFrameSettings.OPTION_CREATE_TABLE_PARAMETERS, "template=replicated")
      .mode("overwrite")
      .save()

    // 关闭SparkSession
    spark.close()
  }
}

在上面的示例代码中，我们首先创建了一个SparkSession对象。然后，我们使用IgniteDataFrameSettings类中的FORMAT_IGNITE常量指定了数据源格式为Ignite，并通过OPTION_TABLE指定了要操作的表的名称。OPTION_CONFIG_FILE选项用于指定Ignite配置文件的路径。

接下来，我们使用load()方法从Ignite加载数据并创建一个IgniteRDD对象。

然后，我们可以执行一些操作，例如筛选数据。在上述示例中，我们使用filter()方法筛选出指定条件的数据。

最后，我们使用write()方法将结果保存回Ignite。我们再次使用FORMAT_IGNITE格式，并通过OPTION_TABLE指定要写入的表的名称。OPTION_CREATE_TABLE_PRIMARY_KEY_FIELDS选项用于指定主键字段的名称，OPTION_CREATE_TABLE_PARAMETERS用于指定创建表的参数，例如复制模式。

请注意，上述示例中的ignite-config.xml是Ignite的配置文件，其中应该包含连接到Ignite集群所需的配置信息。

这是一个简单的示例，说明了如何使用Apache Spark集成将数据持久化到Apache Ignite。根据具体的需求，你可能需要进行更多的配置和操作。