随着互联网信息技术的飞速发展,Web网页信息正在呈现指数级的增长趋势。面对如此巨大的Web信息资源库,搜索引擎已成为用户获取网络信息资源的重要工具。Web链接结构分析算法,作为网络搜索引擎的重要组成部分,用于通过分析Web页面间链接结构来对Web网页信息做潜在的重要性评估。然而,随着数据计算量的不断增加,传统集中式架构的Web链接结构分析算法不仅在计算和存储方面存在着瓶颈,且存在系统的稳定性和扩展性不高等问题。近年来,处理海量数据的Hadoop分布式平台,以其可靠性、高效性、高扩展性等优势,已成为学术界研究的热点。深入研究Web链接结构分析的经典算法PageRank、HITS,以及Hadoop、Map/Reduce等理论知识,将Web链接结构分析算法和Hadoop平台相结合,并做了如下工作：1.在Hadoop平台上,对PageRank算法每次迭代都要多次访问HDFS, I/O的消耗大；每次MapReduce操作,在混合阶段和排序阶段处理Key的数量大,算法效率低等问题进行研究。并提出了基于块结构划分的方法,将网页之间的链接关系转换成网络块间的关系,大大减少了算法迭代过程中需要处理的Key的数据量,从而减少了Map和Reduce操作的调用次数,降低了I/O传输造成的开销,提高算法执行效率。2.在Hadoop分布式平台上,对传统HITS算法矩阵存储链接结构以及规范化处理效率低问题进行研究,根据Hadoop平台特性,重新设计为基于MapReduce的HITS算法,改变结点信息的存储方式,突破传统HITS算法中Hub值和Authority值公共耦合的繁杂关系,并测试和分析了改进后的HITS算法。