一、什么是PageRank?
—— PageRank是Google提出的算法,用于衡量特定网页相对于搜索引擎索引中的其他网页而言的重要程度。
—— 是Google创始人拉里·佩奇和谢尔盖·布林于1997年创造的
—— PageRank实现了将链接价值概念作为排名因素。
二、计算环境
—— Hadoop-2.5.2
—— 四台主机
—— 两台NN的HA
—— 两台RM的HA
—— 离线计算框架MapReduce
三、计算原理(1)
思考超链接在互联网中的作用?
☆ 入链 ====投票
· PageRank让链接来“投票“,到一个页面的超链接相当于对该页投一票。
☆ 入链数量
· 如果一个页面节点接收到的其他网页指向的入链数量越多,那么这个页面越重要。
☆ 入链质量
· 指向页面A的入链质量不同,质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A,则页面A越重要。
网络上各个页面的链接图
· 站在A的角度:
— 需要将自己的PR值分给B,