dbscan并不是一个令人尴尬的并行算法。
将其表示为map reduce并不是一件小事。
您需要采用一些技巧（比如对数据进行分区，并将每个值Map到分区），或者完全重新设计算法。
有许多关于并行dbscan的文章。您很可能能够在类似map-reduce的框架中运行其中一些，或者至少可以在定制（非map-reduce）的yarn引擎上运行。

看看这篇论文：https://www.researchgate.net/publication/261212964_a_new_scalable_parallel_dbscan_algorithm_using_the_disjoint-set_data_structure
以下是我的解决方案，可能比论文中的解决方案更容易理解：
首先，我要计算距离矩阵-可以是一个稀疏矩阵，只包含那些距离，小于dbscan epsilon参数-找到一种方法来实现它。
您可以将该距离矩阵Map到多个设备和群集点。您意识到，在这种情况下，并行化集群会破坏输入空间，并在一个示例中获得一个集群id，该id可能对应于另一个示例中的另一个id。
要解决这个问题，在reduce步骤中收集所有核心点，然后检查每个核心点的每个邻居（map，不必是o（n^2），要聪明点）。如果你能找到其他的核心元素，创建一个2个相邻核心的集群id的条目；收集这些id对（减少）。使用这些对，导出正确的全局集群id。
上面的描述听起来可能有点抽象，但它应该给你的想法。