面试|Flink实现PageRank算法

PageRank估计是很多面试场合上镜率比较高的吧，面试Spark的时候会被问到，最近flink热，估计也会被问到吧，浪尖就在这里帮大家解决这个疑难杂症。

算法常见的原题是：

pagerank的算法会维护两个数据集：一个由（pageID，linkList）的元素组成，包含每个页面的相邻页面的列表；另一个由（pageID，rank）元素组成，包含每个页面的当前排序值。它按如下步骤进行计算。

1. 将每个页面的排序值初始化为1.0。

2. 在每次迭代中，对页面p，向其每个相邻页面（有直接链接的页面）发送一个值为rank(p)/numNeighbors(p)的贡献值。

3. 将每个页面的排序值设为0.15 + 0.85 * contributionsReceived。

4. 最后两个步骤会重复几个循环，在此过程中，算法会逐渐收敛于每个页面的实际PageRank值。在实际操作中，收敛通常需要大约10轮迭代。

对于SPark的实现前面浪尖也发过了案例了，可以参考：

百度面试题：Spark 实现PageRank

flink实现pagerank会更简单，这个得益于flink支持迭代计算。关于flink的迭代计算可以参考：

Flink特异的迭代操作-bulkIteration