1998年4月，在第七屆國際WWW（ World Wide Web）大會上，Page等提出了PageRank算法。這是一種基于網(wǎng)頁鏈接的排序算法，根據(jù)網(wǎng)頁之間的鏈接結構來計算網(wǎng)頁的重要性，從而實現(xiàn)網(wǎng)頁排序。Google搜索引擎使用該算法對網(wǎng)頁進行了準確的排名。

　　隨著信息技術的發(fā)展，網(wǎng)頁數(shù)量急劇增加，采用串行PageRank算法迭代計算網(wǎng)頁排名時，需要消耗大量的存儲和計算資源，且計算效率相當?shù)拖拢瑢で笠环N高效排名算法勢在必行。Hadoop是Apache公司提出的開源分布式計算框架，該框架下的MapReduce并行編程模型非常適合于海量數(shù)據(jù)的并行計算。

　　針對串行PageRank算法在處理海量網(wǎng)頁數(shù)據(jù)時效率低下的問題，提出一種基于網(wǎng)頁鏈接分類的PageRank并行算法。首先，將網(wǎng)頁按照網(wǎng)頁所屬網(wǎng)站分類，為來自不同站點的網(wǎng)頁設置不同的權重；其次，利用Hadoop并行計算框架，結合MapReduce分而治之的特點，并行計算網(wǎng)頁排名；最后，采用一種包含3層：數(shù)據(jù)層、預處理層、計算層的數(shù)據(jù)壓縮方法，對并行算法進行優(yōu)化。實驗結果表明，與串行PageRank算法相比，所提算法在最好情況下結果準確率提高了12%，計算效率提高了33%。