下面是一个示例代码，演示了如何使用Spark进行按键和数据分区的分组操作：

import org.apache.spark.{SparkConf, SparkContext}

object SparkGroupByKeyAndPartition {
  def main(args: Array[String]): Unit = {
    // 创建SparkConf并设置应用程序名称
    val conf = new SparkConf().setAppName("SparkGroupByKeyAndPartition")
    // 创建SparkContext，它是通往集群的唯一入口
    val sc = new SparkContext(conf)
    
    // 创建一个键值对RDD
    val data = List(("apple", 3), ("banana", 2), ("apple", 5), ("banana", 6), ("orange", 4))
    val rdd = sc.parallelize(data)
    
    // 打印原始数据
    println("原始数据：")
    rdd.foreach(println)
    
    // 使用groupByKey进行按键分组
    val groupByKeyRdd = rdd.groupByKey()
    
    // 打印按键分组后的数据
    println("按键分组后的数据：")
    groupByKeyRdd.foreach(println)
    
    // 使用partitionBy进行数据分区
    val partitionedRdd = groupByKeyRdd.partitionBy(new org.apache.spark.HashPartitioner(2))
    
    // 打印数据分区后的数据
    println("数据分区后的数据：")
    partitionedRdd.foreach(println)
    
    // 关闭SparkContext
    sc.stop()
  }
}

在这个示例中，我们首先创建了一个键值对RDD，并将其并行化为Spark上下文中的一个RDD。然后，我们使用groupByKey操作对键进行分组，这将生成一个新的RDD，其中每个键都对应一个包含所有该键值的迭代器。接下来，我们使用partitionBy操作将数据分区为两个分区，这将生成一个新的RDD，其中每个分区都包含一部分键值对。最后，我们使用foreach操作打印原始数据、按键分组后的数据和数据分区后的数据。

注意：在实际使用中，根据数据量和任务需求，可能需要根据实际情况调整分区的数量和分区器的选择。