一、K-Means算法原理
二、Hadoop實現K-Means的做法
1、偽代碼
（1）主要參數
輸入： 參數0--存儲樣本數據的文本文件inputfile；
參數1--存儲樣本數據的SequenceFile文件inputPath；
參數2--存儲質心數據的SequenceFile文件centerPath；
參數3--存儲聚類結果文件(SequenceFile文件)所處的路徑clusterPath；
參數4--類的數量k；
輸出：K個類的划分結果
（2）計算流程
Begin：
讀取inputPath，可采用蓄水池采樣法從中選取前k個點作為初始質心，將質心數據寫入centerPath；
While 聚類終止條件不滿足：
在Mapper階段，讀取inputPath，對於所有數據，遍歷所有的質心，並選擇最近的質心，將該質心的編號作為鍵傳遞給Reducer；
在Reducer階段，將Mapper階段傳遞過來的值根據鍵歸並輸出，結果寫入clusterPath；
讀取clusterPath，重新計算質心，對比reduce求出的平均值與原來或者上一次的質心，若不相同，這將清空原中心的數據文件將結果寫入centerPath；若相同，則刪掉reduce的輸出目錄，運行一個沒有reduce的任務將中心ID與值對應輸出。
EndWhile
End
注意：需預先確定判斷判斷聚類效果好壞的指標，即確定聚類停止的條件。
ps：空閑時間自己動手嘗試用hadoop實際實現K-Means。
參考資料：
https://blog.csdn.net/LJBlog2014/article/details/41553955