MapReduce and Pregel

PageRank：搜索引擎在使用PageRank的时候，需要计算每个节点的PageRank的值：

上图给出了这个值的计算公式，每个节点的PageRank值由2部分构成，一个是节点初始的PageRank值，另一个是它连接的所有邻居节点的PageRank值。

前者意味着邻居节点多则PageRank值高，后者意味着邻居节点的质量也会影响节点本身的PageRank值。

以社交网络为例：2个人，每个人都有5个朋友，甲的朋友是Lily，Lucy，Andy，Kitty，Rocky，而乙的朋友是奥巴马，Bill Gates之类的精英，那么显然乙的重要程度应该高于甲。

上述计算过程需要反复迭代多次，在实现的时候使用了MapReduce算法，将计算任务分发给多个节点并行计算（Map），然后汇总多个节点的计算结果（Reduce）。

 

而2000年以后，PageRank的计算已经不使用MapReduce，而是使用Pregel。

相比MapReduce，不同之处在于Pregel以节点为中心，而不是以整个图为整体。每个节点计算出一个值以后，会主动发送消息给其他节点，告知更新后的结果。

每个节点收到邻居节点发送的Msg以后，提取出邻居节点的值，就可以进行新一轮更新计算，如下图所示：

转载于:https://www.cnblogs.com/yulele/p/4353740.html