我在博客上为自己写的：
http://codingwiththomas.blogspot.de/2011/04/graph-exploration-with-hadoop-mapreduce.html
但是MapReduce并不适合进行这些Graph分析。为此，最好使用BSP（批量同步并行），Apache Hama在Hadoop HDFS之上提供了一个很好的图形API。
我在这里用MapReduce编写了一个连通分量算法：（思维搜索）
https://github.com/thomasjungblut/tjungblut-graph/tree/master/src/de/jungblut/graph/mapreduce的
Apache Hama的BSP版本也可以在此处找到：
https://github.com/thomasjungblut/tjungblut-graph/blob/master/src/de/jungblut/graph/bsp/MindistSearch.java的
实施起来没有MapReduce那么困难，而且速度至少快了10倍。如果您感兴趣，请在TRUNK中查看最新版本，并访问我们的邮件列表。
http://hama.apache.org/的
http://apache.org/hama/mail-lists.html的

我真的不知道是否有一个API可以找到强连接组件的方法。但是，我实现了BFS算法来找到从源节点到图中所有其他节点的距离（图是一个有向图，有6500万个节点）。
这个想法是在一次迭代中探索每个节点的邻居（距离为1），并将reduce的输出反馈给map，直到距离收敛。Map发出从每个节点可能的最短距离，并从列表中减少更新具有最短距离的节点。
我建议检查this out。this could help。这两个链接将为您提供有关map reduce范式中图算法的基本概念（如果您还不熟悉）。本质上，您需要扭曲算法以使用DFS而不是BFS。

你可能想看看卡内基梅隆大学的Pegasus project。它们使用MapReduce提供了一个高效且优雅的实现。他们还提供了二进制文件、示例和非常详细的文档。
实现本身是基于U Kang在2009年提出的广义迭代矩阵向量乘法（GIM-V）。
PEGASUS: A Peta-Scale Graph Mining System-实施和观察U Kang，Charalampos E. Tsourakakis，Christos Faloutsos在IEEE国际数据挖掘会议（ICDM 2009）
编辑：官方实现实际上限制为21亿个节点（节点ID存储为整数）。我在github上创建了一个分支（https://github.com/placeiq/pegasus）来分享我的补丁和其他增强功能（例如：快速压缩）。

这是一个有点老的问题，但这里有一些你想检查。我们在Spark平台上使用map-reduce实现了连通构件。
https://github.com/kwartile/connected-component

尝试GraphScope中的内置WCC算法，它完全符合您的需求。
GraphScope是一个分布式图形平台，它有许多算法可以使用。
回到你的问题，它可以通过三个步骤来完成：
1.启动GraphScope集群
1.加载图表
1.在其上运行WCC并检索结果。
这是密码

import graphscope
sess = graphscope.session(num_workers=4)
graph = sess.g()
graph = graph.add_edges('/path/to/dataset')

result = graphscope.wcc(graph, src=0)
print(result.to_dataframe(selector={'id': 'v.id', 'distance': 'r'})
sess.close()

字符串
您可以参考this article来了解如何部署graphscope，以及this article来了解如何通过helm进行部署。