方案：
1，） 目前我们的程序，单独一台计算机一天分析100G以内的xml数据，有选择的将需要的数据入库数据库（sqlserver2008 r2 64）记录近1亿左右，一台128G内存，32核的计算机勉强能完成任务；
2，） 随着市场的扩展，我们拿到的数据量一天的数据就有1T左右的xml数据，单台计算机运行已经分析完成时间成为了瓶颈，可能需要十天或者更长的时间。
解决方案：
为了能够让我们的产品能有更强的生存力，吸引到更多的用户；项目组就有了这么一个讨论：
方案1，）使用hadoop对这种大数据处理，但由于目前公司针对hadoop技术了解深度有限，正常应用到产品中还需要一段时间，因此hadoop方案只作为实施级别比较低，但不太表我们不会做，时间的问题。
方案2，）基于我们目前的平台进一步扩展，怎么扩展？
2.1，)让我们的工具在多个计算机运行，把任务拆分到不同的计算进行运行。假设1T的数据，我们有10计算机，每台给平均分发100G的数据，这样对数据库及计算机的压力会减少少多，横向扩展是我们目前不能立即上线的一个必行方案；
2.2，)工具扩展后，存储数据库也一定需要扩展，每台计算机最好能对应一台存储数据库，对业务实现及数据库压力减负，都有好处。
2.3，)对数据库扩展后，应用端怎么合并数据就成为了一个必须不可不考虑问题。那么我们计划怎么处理合并呢？首先，每台计算节点上的服务器在插入必要数据的同时，更具业务需求将必须要的数据插入到汇总数据库中，而详细信息只保存到对应的计算节点对应的数据库中，应用端直接访问数据库为汇总数据库，但查看某条信息的具体信息时，可以从该条信息中找到具体信息存储的数据，进而从对应的数据库中拿到详细信息。
决定：
方案2已经通过了调研，怎实施？实施有多大难度？技术难题在哪？
其他问题先不说，就谈下技术难点，既然要分布多计算执行，就一定要有一个调度器，而调度器中的难点大家就都清晰吧------心跳监控任务执行状态，通信的稳定性，高效性，准确性，消息队列怎么规划？