我使用配置单元对一个项目执行sql查询。我使用了orc和50k跨距作为我的数据，并使用这个配置创建了hiveorc表，其中有一个特定的日期列作为分区。
现在我想使用sparksql对在相同数据上运行的相同查询进行基准测试。
我执行了以下查询

val q1 = sqlContext.sql("select col1,col2,col3,sum(col4),sum(col5) from mytable where date_key=somedatkye group by col1,col2,col3")

在配置单元中，此查询需要90秒。但是对于相同的查询，spark需要21分钟，在查看作业时，我发现问题是因为spark创建了2个阶段，在第一个阶段，它只有7个任务，每个任务对应orc文件中给定分区内的7个数据块。这些块的大小不同，一个是5mb，另一个是45mb，正因为如此，散乱的块会占用更多的时间，导致占用太多的时间。
如何在spark中缓解此问题。如何手动增加分区数，从而增加阶段1中的任务数，即使给定查询范围只有7个物理块。