MapReduce数据集中许多数据项之间的平均距离

Question

我有一个问题，要使用mapReduce计算大型数据集中数据点的平均距离。

我已经编写了顺序代码，但是我一直在思考如何将其转换为MapReduce作业。

 def mean_distance(data):

    list_distance = []

    import itertools

    for x,y in itertools.combinations(data,2):
        list_distance.append(euclidean_distance(x,y))

    summation = sum(list_distance)

    mean_dist = (2.0/(len(data)*(len(data)-1)))*summation
    return mean_dist

请，我是MMapReduce的新手，因此需要有关如何进行此操作的指南。 解冻