pagerank如何以分布式方式计算？
我理解pagerank背后的想法并已实现它（阅读“编程集体智慧”一书时）。
但我读过它可以分布在多个服务器上（正如我猜Google一样）。 我有点困惑，因为根据我的理解，你需要整个图表才能进行页面排名，因为每个排名都与其他排名相关。
我找到了这篇wiki文章，但没有多少解释。
有关这可能的任何建议？ 另外，奖金问题：做pagerank专有的分布式pagerank的技术还是可以应用于应用于图形的其他机器学习算法的方法？
计算PageRank的最先进方式是使用Google Pregel框架。 我很确定他们现在有更复杂的东西，但这是最新发布的成果。
您可以在研究博客中阅读关于它的更多详细信息。 或者在这里阅读已发表的论文。
我正在开发名为Apache Hama的Bulk Synchronous Parallel范例的开源版本。 还有Apache Giraph，它只关注图形用例以及其他许多。
与mfrankli提到的一样，也有MapReduce框架（例如Apache Hadoop），可用于计算PageRank，但对迭代算法来说效率不高。
值得注意的是，两种解决方案（MapReduce和BSP）都是批处理解决方案，所以它们可以用来重新计算整个webgraph的PageRank。 由于Google更新比批量算法快得多，因此您可以期望他们经常重新计算子图的PageRank。
MapReduce提供了一些有趣的背景，并可能会澄清你将如何并行化这项任务。
链接地址: http://www.djcxy.com/p/65287.html