2012-10-14 42 views
11

我瞭解pagerank背後的想法並已實施(閱讀「編程集體智慧」一書時)。pagerank如何以分佈式方式計算?

但我看過它可以分佈在多個服務器上(因爲我猜Google是這樣做的)。我有點困惑,因爲根據我的理解,你需要整個圖表才能進行頁面排名,因爲每個排名都與其他排名相關。

我發現了wiki article但它沒有解釋太多。

有關這可能性的任何建議?另外,獎金問題:做pagerank專有的分佈式pagerank的技術還是可以應用於應用於圖形的其他機器學習算法的方法?

回答

8

最先進的PageRank計算方法是使用Google Pregel框架。我很確定他們現在有更復雜的東西,但這是最新發布的成果。

您可以在research blog中查看關於它的更多詳細信息。 或閱讀已發表論文here

我正在開發一個名爲Apache HamaBulk Synchronous Parallel範例的開源版本。還有Apache Giraph,它只關注圖形用例和其他許多圖形用例。

像mfrankli提到的一樣,還有MapReduce框架(例如Apache Hadoop),可以用來計算PageRank,但對迭代算法來說效率不高。

值得注意的是,這兩種解決方案(MapReduce和BSP)都是批處理解決方案,所以它們可以用來重新計算完整web圖的PageRank。由於Google更新比批量算法快得多,因此您可以期望他們經常重新計算子圖的PageRank。

0

MapReduce提供了一些有趣的背景,並可能會清楚你將如何並行化這項任務。

+2

Mapreduce計算PageRank –

+1

[數據密集型文本處理與MapReduce](http://lintool.github.com/MapReduceAlgorithms/index.html)有很多MapReduce算法,包括PageRank。正如其他人所說,MapReduce並不是一種有效的PageRank方法。這篇文章(http://arxiv.org/abs/1203.2081)比較了MapReduce和BSP。 –