Analizar la estructura de una red social ayuda a obtener información sobre las interacciones y relaciones entre los usuarios, al mismo tiempo que revela los patrones de su comportamiento en línea. La centralidad de red es una métrica de la importancia de un nodo en una red, que permite revelar los patrones estructurales y la morfología de las redes. Proponemos un enfoque de computación distribuida para el cálculo del valor de centralidad de red para cada usuario utilizando el enfoque MapReduce en la plataforma Hadoop, lo que permite una computación más rápida y eficiente en comparación con la implementación convencional. Un enfoque distribuido es escalable y ayuda en los cálculos eficientes de conjuntos de datos a gran escala, como los datos de redes sociales. El enfoque propuesto mejora el rendimiento del cálculo de la centralidad de grado en un 39.8%, la centralidad de cercanía en un 40.7% y la centralidad de autovalor en un 41.1% utilizando un conjunto de datos de Twitter.