在Apache Spark中，集合编码器（Collection Encoder）用于将复杂的数据类型转换为Spark支持的内部数据类型，以便进行分布式处理。以下是使用集合编码器的代码示例：

import org.apache.spark.sql.Encoders
import org.apache.spark.sql.SparkSession

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

// 导入隐式转换
import spark.implicits._

// 定义一个复杂的数据类型
case class Person(name: String, age: Int)

// 创建一个包含Person对象的List
val data = List(
  Person("Alice", 25),
  Person("Bob", 30),
  Person("Charlie", 35)
)

// 创建一个集合编码器
val personEncoder = Encoders.product[Person]

// 将List转换为DataFrame
val df = data.toDF()

// 使用集合编码器将DataFrame转换为Dataset
val ds = df.as(personEncoder)

// 显示Dataset的内容
ds.show()

// 关闭SparkSession
spark.stop()

在上面的代码中，首先我们定义了一个名为Person的复杂数据类型，然后创建了一个包含Person对象的List。接下来，我们使用Encoders.product方法创建了一个集合编码器，用于将Person对象编码为DataFrame中的行。然后，我们将List转换为DataFrame，并使用集合编码器将DataFrame转换为Dataset。最后，我们使用show方法显示Dataset的内容。

请注意，需要事先导入org.apache.spark.sql.Encoders和org.apache.spark.sql.SparkSession包，并使用spark.implicits._导入隐式转换。此外，需要创建一个SparkSession对象，并在builder方法中设置应用程序名称和master URL。

这是使用集合编码器在Apache Spark中处理复杂数据类型的一种常见方法。