我使用python脚本处理了使用spark存储在hdfs中的xml文档。

files = sc.wholeTextFiles("hdfs://xxx/data").collect()

这里/data目录有10000多个xml文档。我必须用spark处理所有的文件。但在我尝试运行时，收到以下错误消息：

WARN TaskSetManager: Stage 0 contains a task of very large size (451 KB). The maximum recommended task size is 100 KB

如何纠正此错误。有人能帮我解决这个问题吗？
提前谢谢。