在Apache Spark中，您可以使用org.apache.hadoop.fs.FileSystem类来跟踪已处理文件的状态。以下是一个示例代码：

import org.apache.spark.SparkContext
import org.apache.hadoop.fs.{FileSystem, Path}
import org.apache.hadoop.conf.Configuration

object SparkS3FileTracking {
  def main(args: Array[String]): Unit = {
    val sparkContext = new SparkContext("local", "SparkS3FileTracking")
    val s3Bucket = "your-s3-bucket"
    val processedFilesPath = "s3a://" + s3Bucket + "/processed_files/"
    
    // Load processed file paths from S3
    val processedFiles = sparkContext.textFile(processedFilesPath)
    
    // Process your data
    val data = sparkContext.parallelize(Seq("data1", "data2", "data3"))
    val processedData = data.map(process)
    
    // Save processed data to a new file
    val outputFilePath = "s3a://" + s3Bucket + "/output" + System.currentTimeMillis()
    processedData.saveAsTextFile(outputFilePath)
    
    // Append the processed file path to the list of processed files
    val processedFilePath = new Path(outputFilePath)
    val fs = FileSystem.get(new Configuration())
    val outputStream = fs.create(new Path(processedFilesPath + processedFilePath.getName()))
    outputStream.close()
    
    // Stop Spark context
    sparkContext.stop()
  }
  
  def process(data: String): String = {
    // Process your data here
    data.toUpperCase()
  }
}

在这个示例中，我们首先从S3中加载已处理文件的路径列表，然后在处理数据之前将数据保存到新的输出文件中。最后，我们使用org.apache.hadoop.fs.FileSystem类来追加已处理文件的路径到列表中。

请确保您的Spark应用程序有足够的权限来访问AWS S3，并且已正确配置S3文件系统（例如，使用hadoop-aws依赖项和正确的S3身份验证凭据）。