利用 Hadoop 雲技術框架實現通用的並行任務處理功能， 將原本只是單機程序改造成最終運行在 Hadoop 雲平台裡。
優點 :
1. 分布並行運行
基於 MapReduce 及 dfs （分布式文件系統）實現了分布並行運行，可實現一個NoSplitInputFormat 類用於支持單個 Map 任務運行 。
2. 出錯自動重試
Hadoop 框架具備可配置的出錯任務自動重試功能，配置參數為：
mapred.map.max.attempts 。
3. 可保留原始輸入重復運行以用於調試
當嘗試手動再次運行或調試上一個任務時， Hadoop 提供的 IsolationRunner 可實現保留原始輸入本地再次執行的功能。相應配置參數為：
keep.task.files.pattern 。
4. 網頁端運行狀態實時監控，比如可以實時動態顯示處理進度可實現 CustomerProcess 類，通過調用 TaskReporter 的 setProgress 方法實現網頁端進度條控制，可在 Map 任務的 setup 裡啟用一個心跳任務執行CustomerProcess 功能。
5. 方便的網頁端日志查詢
Hadoop 強大的網頁監控功能可提供日志的實時收集。
6. Hadoop 框架其它的優點，如大數據量存儲及處理利用大集群，大存儲實現單機可能沒法完成的任務。
缺點：
1. 只能直接處理來自 dfs 上的文件
由於任務的分布式運行特征，數據只能預先存儲在 dfs 上，當然也可以利用Hadoop 的 fuse-dfs 模塊實現 dfs 上的數據映射到本地文件系統。如調用 Oracle 的sqlldr 工具加載數據時，可采取這種形式，從而避免數據由 dfs 轉移至本地文件系統這一過程。
注：由於 fuse-dfs 自身的的限制，有些任務可能沒法這樣實現，特別是牽涉到寫文件功能時，如解壓縮功能等。
2. 不能直接支持對文件的隨機寫功能
由於某些 dfs 本身的限制無法提供輸出流的隨機寫功能（ api 上直接沒有提供seek 功能），對於需要經常改寫較大文件的內容時，這時就沒有比較直接的處理方式了。
注意事項：
1. 要注意利用 Hadoop DistributedCache 技術實現依賴包和配置的分布由於任務的分布運行特性，為了保證產品的易維護性，可以將產品所依賴的 jar包和配置文件分發到 dfs 上。 Hadoop 框架分別提供了：
DistributedCache.addFileToClassPath ，可用於分發 jar 包DistributedCache.addArchiveToClassPath ，可用於分發配置文件。
2. 利用序列化將參數傳入每一個 map 任務，由於 Map 任務是以單獨的進程運行，在傳入參數時應采用 Hadoop 提供的序列化功能實現有可能跨機器不同進程間的參數傳入。 Hadoop 框架分別提供了：
DefaultStringifier.store ， 可用於序列化
DefaultStringifier.load ， 可用於反序列化
3. 利用持久化將返回參數傳出
在 Map 任務返回參數時也應采用序列化的方式將參數序列化至 dfs 上存儲。
4. 應仔細設計傳入參數
在設計傳入給每一個 Map 任務的參數時應仔細斟酌。比如設計 FTP 下載功能時，應采取如下策略：同時執行多個 Map 任務實現多個文件同時下載，而不是同時執行多個 Hadoop Job ，或是在一個 Map 任務裡多線程運行。具體實現可利用 Hadoop 的 InputFormat.getSplits 自行實現可控的支持並發運行多個 Map 任務的功能 。
5. 開發調試時可以讓 Hadoop 以 Local 方式運行
在做開發調試時，為避免多機器分布運行帶來的調試不便，可通過設置如下參數以支持 Hadoop 任務單機單進程運行：
fs.default.name 為 file:///
mapred.job.tracker 為 local
