我尝试在Hadoop中实现特征向量中心性，其中我们有一个如下的迭代（r是一个向量，A是一个矩阵）：

r_i+1 = A*r_i
r_i+1 = r_i+1/||r_i+1||

在哪里||表示向量的范数。A在一个.txt文件中，r是一个向量，初始化为[1 1 1 1 ...]，大小为n，与A兼容。我认为，由于我需要r_i来计算r_（i+1），因此我无法并行化循环，但我可以并行化计算本身。但我不确定如何做到这一点。我的初步想法是：

• 将向量初始化为全局变量
• 在Map阶段，其中j是组件的索引，计算r[j]*A[j，：]，即r乘以行的第j个位置的值。这将产生一个新行，其中包含多个值，并且所有值都具有相同的键（j）。
• 在reduce阶段，将每个密钥的所有密钥j的值加在一起，这将等价于新的向量r（归一化前）。
• 在main函数中手动规范化矢量，然后重新执行该过程。

然而，我对这个想法有几个问题：以使用全局变量为向量为例，如第一个：我不知道从性能的Angular 来看，这是否合理，其次：我不知道如何用reduce阶段的结果更新向量。
我发现的另一个问题是我不知道如何重复运行它，我用Java实现了一个，所以我有一个Mapper类和一个Reducer类，我在main函数中调用了jobs，但是我能把它变成一个迭代吗？