面向节点中心性的图排序具有重要的现实意义,诸如广告推荐、商品营销以及网页排名等都与之密切相关。其中,中心性旨在反应图中节点的重要程度。根据不同的重要性定义,主要有度中心性、中介中心性以及接近中心性三种度量指标。节点的“多样”也可作为中心性的一种评价标准,它通过邻居的数量和邻居间差异,从而区分节点在网络中扮演的角色。然而,随着在线社交和网络传媒的快速发展,图数据呈现出数据规模愈加庞大和数据关系更为复杂的趋势,使得原有面向节点多样性的图排序算法难以满足现有的应用需求。与此同时,已有方法对节点多样性的捕获完全基于图的拓扑结构,没有考虑节点自身的属性信息。现今相当一部分图数据为我们提供了丰富的节点属性,借助这些属性可以增强节点的多样性并简化排序的过程。综上,本文从海量的图数据出发,一方面基于并行的图计算系统GraphX对原有非属性图上节点的多样性排序算法进行改进。另一方面,充分考虑属性信息对节点多样性的影响,提出了属性图上节点多样性的排序算法。本文的研究工作和主要贡献可概括如下:(1)在节点多样性概念的基础上,借鉴属性覆盖的思想,定义了属性图上节点多样性的度量函数;(2)利用Spark计算平台中分布式图处理框架GraphX,分别设计基于连接关系的节点多样性排序算法和基于属性信息的节点多样性排序算法并通过编程实现;(3)采用真实的图数据集进行实验,依次测试文中涉及到的所有方法。对排序结果和时间进行评价,给出分析论证。