PageRank算法简介
PageRank是执行多次连接的一个迭代算法，因此它是RDD分区操作的一个很好的用例。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。
? ? ? ?
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。
模拟数据
假设一个由4个页面组成的小团体：A，B，C和D。相邻页面如下所示：
A：B
C?
B：A
C?
C：A
B D?
D：C?
推荐阅读：
hive的join优化
经验|如何设置Spark资源
干货:Flink+Kafka 0.11端到端精确一次处理语义实现
文章来源：https://blog.csdn.net/rlnLo2pNEfx9c/article/details/82393010