我写了一个非常简单的分布式计算平台（基于Map / Reduce范例），我正在编写一些演示和展示。我有一个非常小的团队，必须优先考虑我将首先编写的演示。
要优先排序我需要对演示进行排序，大约70％是分布式计算的相关，常见，重要用例，30％易于编写。
到目前为止，我的订购方式如下：
排名第一，因为写了10分钟，虽然它完全没用（我不确定，但我认为没有很多人试图找到更多的数字到pi）。
由于我的平台的性质，它将更多地发挥在当然令人尴尬的平行，而不是受限制或减少主导的事物上。
你会如何改变我的名单？你会加什么？排序在企业界是否有用，还是仅用于对分布式计算平台进行基准测试？
答案 0 :(得分：4)
您的列表表明您没有区分并行计算和分布式计算。这并不一定是错的，但是当看到正在执行的并行计算（例如您的项目2 - 5）时，寻找分布式计算平台卓越性的演示的人可能会非常热情。
排序对于数据无处不在：大型企业，小型企业，桌面抽屉，Googlesphere。搜索也是如此，这是您列表中的一个令人惊讶的遗漏。立即引起我注意的另一个遗漏是任何类型的数据融合，合并大型数据集以从其交叉点获取信息，超出可以从数据集中单独提取的信息。
答案 1 :(得分：2)
我是Mark，因为你正在混合分布式计算和HPC。以下是对您的每个主题的一些评论：
（1）有人试图尽可能多地计算Pi的数字，但蒙特卡罗算法在那里完全没用，因为它的精度与试验次数的平方根成比例，所以为了得到一个更精确的十进制数字，您将大致需要100倍的试验。还有其他算法 - 看看你是否可以使用Map / Reduce实现其中的一些算法。
（2）这个很好，虽然很少使用 - 与（1）精度相同的问题。
（5）纯矩阵求逆很少进行，主要是因为数值不稳定。如何解决密集的线性方程组呢？我想说你现在缺少M / R处理的一个主要用途，即图形处理（阅读：社交和其他网络/流分析）。另外一些更一般的优化问题可能是好的，例如遗传算法。