C#如何进行跨服务器的SQL SERVER的多事务处理？只要一处出错能回滚全部事务...

第一，两个事物都开启。
第二，将第一个库查询的数据放入数据表中，带入一个方法中（此方法用户将查询到的数据插入第二个库，另外还有第二个事物也作为参数传进来）
第三，删除第一个库中的数据。
第四，提交两个事物
如果有错，两个事物回滚。

另一台机器也要有处理文件上传的WEB程序，你可以参考Stream上传插件（支持HTML5和Flash两种方式上传）
Stream 上传插件
Stream 是解决不同浏览器上传文件的插件，是Uploadify的Flash版和Html5版的结合！
Stream 简介
Stream 是根据某网的文件上传插件加工而来，支持不同平台（Windows, Linux, Mac, Android, iOS）下，主流浏览器（IE7+, Chrome, Firefox, Safari, 其他）的上传工作，当然在Html5标准下，还支持文件的断点续传功能，有效解决大文件的Web上传问题！
主要特征
1 源码完全开放，目前有Java、PHP、Perl三种后台语言实现
2 支持HTML5、Flash两种方式（跨域）上传
3 多文件一起上传
4 HTML5支持断点续传，拖拽等新特性
5 兼容性好IE7+, FF36+, Chrome，Safari4+，遨游等主流浏览器
6 进度条、速度、剩余时间等附属信息
7 `选择文件的按钮`可以自定义
8 简单的参数配置实现 灵活多变的功能
9 支持文件夹上传（Chrome21+, Opera15+）
10 支持自定义UI（V14+）
指定跨域上传就可以了

spark和hadoop的区别：诞生的先后顺序、计算不同、平台不同。
诞生的先后顺序，hadoop属于第一代开源大数据处理平台，而spark属于第二代。属于下一代的spark肯定在综合评价上要优于第一代的hadoop。
计算不同spark和hadoop在分布式计算的底层思路上，其实是极为相似的，即mapreduce分布式运算模型：将运算分成两个阶段，阶段1-map，负责从上游拉取数据后各自运算，然后将运算结果shuffle给下游的reduce，reduce再各自对通过shuffle读取来的数据进行聚合运算spark和hadoop在分布式计算的具体实现上，又有区别；hadoop中的mapreduce运算框架，一个运算job，进行一次map-reduce的过程；而spark的一个job中，可以将多个map-reduce过程级联进行。
平台不同spark和hadoop区别是，spark是一个运算平台，而hadoop是一个复合平台（包含运算引擎，还包含分布式文件存储系统，还包含分布式运算的资源调度系统），所以，spark跟hadoop来比较的话，主要是比运算这一块大数据技术发展到目前这个阶段，hadoop主要是它的运算部分日渐式微，而spark目前如日中天，相关技术需求量大，offer好拿。

---