数据的强度

6、Wikipedia Search。一部大众百科全书应该运行在开源软件上，并且具有一个由Java驱动的搜索引擎，这是再合适不过的了。Lucene是由Doug Cutting于1999年编写，并以他妻子的中间名命名的，它实际上是Cutting开发的第五个搜索引擎。他作为工程师先后为Xerox PARC（施乐帕克研究中心）、Apple和Excite创建了其他的引擎。2014年，Wikipedia用Elasticsearch代替了Lucene引擎，Elasticsearch是一个分布式的、支持REST的搜索引擎，也是用Java编写的。

7、Hadoop。Lucene并不是唯一一个进入我们这个榜单的Cutting创建的作品。2003年，Google在一篇研究论文中描述了在大型商用计算机集群上处理数据的MapReduce算法，受该论文的启发，Cutting用Java编写了一个MapReduce操作开源框架，并以他儿子的玩具大象命名，称为Hadoop。Hadoop 1.0于2006年发布，催生了大数据趋势，并激发了许多公司开始收集“数据湖”（data lakes），制定挖掘“数据排放”（data exhaust）的策略，并将数据描述为“新石油”（the new oil）。到2008年，Yahoo（当时的Cutting曾在该公司工作）宣称他们的Search Webmap运行在10,000个内核的Linux群集上，是现有的最大的产线Hadoop应用程序。到2012年，Facebook声称在全球最大的Hadoop集群上拥有超过100PB的数据。

8、并行图形分析（Parallel Graph AnalytiX, PGX）。图形分析是有关理解数据中的关系和连接的。根据基准测试，PGX是世界上速度最快的图形分析引擎之一。PGX是用Java编写的，由Oracle Labs研究员Sungpack Hong领导的团队于2014年首次发布, PGX允许用户加载图形数据并运行分析算法，比如，社区发现（Community Detection）、聚类、路径查找、页面排名、影响因素分析、异常检测、路径分析和模式匹配等算法。在健康、安全、零售和金融领域，它的用例比比皆是。

9、H2O.ai。机器学习（ML）的曲线非常陡峭，这可能会阻止领域专家实现伟大的ML想法。自动化ML（AutoML）可以通过推断ML流程中的某些步骤（例如特征工程、模型训练和调整以及转译等）来提供一些帮助。由Java冠军Cliff Click创建的基于Java的开源H2O.ai平台，旨在实现AI的大众化，并能为那些刚入门的人们充当虚拟数据科学家，同时能帮助ML专家提高效率。