pageRank算法是Google对网页重要性的打分算法。
一个用户浏览一个网页时，有85%的可能性点击网页中的超链接，有15%的可能性转向任意的网页。pageRank算法就是模拟这种行为。
R：定点V的pageRank
L：定点V的出度（出边的条数）
B(u)：定点u的入邻居集合
d：点击超链接的概率
N：总定点个数
当N非常大时，数据的精度可能不够，所以公式进行变换，两边同时扩大N倍。
最后公式变为
R：定点V的pageRank*N
L：定点V的出度（出边的条数）
B(u)：定点u的入邻居集合
d：点击超链接的概率
N：总定点个数
初始化：所有定点的pageRank=1；
迭代：用上述公式迭代直至收敛。
引用论文：
“Pregel: a system for large-scale graph processing.”
Grzegorz Malewicz, Matthew H. Austern, Aart J. C. Bik, et al.
SIGMOD 2010.
开源实现: Apache Giraph, Apache Hama
顶点算法通常步骤：
1、接收上个超步发出的消息
2、计算当前定点的值
3、向邻居发送消息
double sum = 0.0;
for (每一个入邻居) {
sum += 入邻居传递的值；
}
pagerank = 0.15 + 0.85 * sum;
终止条件是所有顶点的值都不再变化。