我写了一个非常简单的分布式计算平台（基于 Map/Reduce 范式），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哪些演示。
为了确定优先级，我需要对演示进行相应的排序，大约 70% 是分布式计算的相关、常见、重要的用例，30% 易于编写。
到目前为止，我已经这样订购了：
排名第一是因为它花了 10 分钟来写，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 pi 数字）。
由于我的平台的性质，它会在那些当然是令人尴尬的并行的事情上更加闪耀，而不是 I/O 受限或减少主导。
你会如何改变我的名单？你会添加什么？排序在企业世界中是否有用，还是仅用于对分布式计算平台进行基准测试？
您的列表表明您没有区分并行计算和分布式计算。这不一定是错误的，但是在看到并行计算（例如您的项目 2-5）正在执行时，寻找分布式计算平台卓越性演示的人可能会不温不火。
排序在任何有数据的地方都很有用：大企业，小企业，在你的办公桌抽屉里，在整个谷歌领域。搜索也是如此，这是您列表中令人惊讶的遗漏。另一个让我印象深刻的遗漏是任何类型的数据融合，合并大型数据集以从它们的交叉点获取信息，而不仅仅是从数据集中单独提取的信息。
我第二个马克，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 的位数，但 Monte Carlo 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反比，所以为了多得到一位小数精确度大约需要 100 倍以上的试验。还有其他算法 - 看看你是否可以使用 Map/Reduce 来实现其中的一些。
（2）这个很好，虽然很少使用 - 与（1）一样的精度问题。
(5) 很少进行纯矩阵求逆，主要是因为数值不稳定。如何解决一个密集的线性方程组呢？
我想说您现在缺少 M/R 处理的主要用途之一，即图形处理（阅读：社交和其他网络/流分析）。还有一些更一般的优化问题可能会很好，例如遗传算法。