這是cascading官方userguide的中文翻譯，其中有些概念看過一段時間又忘了，在此做個記錄，一是友善自己複習，二是友善新手。
關于cascading我不想多說了，你如果寫過原生mapreduce程式，然後再接觸cascading，你會發現cascading great job。它對map和reduce進行了高度抽象，用tap、pipe、function、operation這些概念替代了原有的map和reduce，可以很舒服的開發hadoop程式，但是這些概念過了一個來月我又忘的差不多了，是以有了這篇翻譯。
對于一些不好翻譯的單詞我這裡直接給出了原單詞，是以說看資料還是英文原版的好，看翻譯的書籍有很大風險，萬一别人翻譯錯了，那你這個newbie怎麼能懂！
下面的翻譯來自cascading-userguide/ch03s03.html，下載下傳位址：http://docs.cascading.org/cascading/2.5/userguide/html/userguide.zip
首先是一段關于pipe assembly的代碼例子
通用流模式common stream pattern
split
一分多
merge
多合一stream擁有相同fields常見的有：merge、groupby
join 和sqljoin一樣，把擁有不同列的stream按照相同列join起來。hashjoin、cogroup
除了split、merge、join以外，管道組裝還有examine、filter、organize、transform這些操作，為了友善處理，在元組中的每個值都被賦予一個fieldname，就像資料庫中的列名一樣，這樣他們就能很友善的被引用與選擇。
術語介紹：
operation（cascading.operation.operation）接受一個參數元組tuple，輸出零或多個結果元組。cascading提供了幾個常用的operation，開發者也可以自己實作。
tuple，在cascading中，資料被看作元組（cascading.tuple.tuple）的流，元組由fields構成，元組和資料庫中的記錄或行類似。一個元組是一組值的數組，每個值可以為任何java.lang.object。
fields（cascading.tuple,fields）被用于聲明或引用元組中的某一列，fields可以表示為像“firstname”、“birthdate”的字元串，也可以是整數值（0表示第一個，-1表示最後一個），或者還可以是預定義的值（fields.all、fields.result、fields.replace等）
pipe類是用于執行個體化與命名一個pipe，pipe的名字可以被planner用于綁定到tap上，作為source或者sink使用。（第三種選擇是綁定pipebranch到一個tap，作為一個trap，這在進階主題在詳細讨論）
subassembly子類是一個特殊的pipe類型，他用于嵌套一組可重用的pipeassemblies，這樣可以友善用于更大範圍内的pipeassembly。
其餘六種pipe類型：
each這種pipe基于tuple的内容做處理，包括analyze、transform、filter。還可以用each類splitor
branch一個流，達到這種效果你僅僅需要把each的輸出定向到一個不同的pipe或sink即可。
merge這個pipe和each一樣都可以把一個流split成兩個，merge還可以把多個流合并成一個，前途是這些流具有相同的fields。當不需要grouping（noaggregator
or buffer操作會被使用時）時使用merge，merge比groupby快。
groupby基于特定field，把一個流中的tuples分組。如果傳入多個stream，它在分組之前先進行merge操作，在進行merge時，groupby要求多個stream必須用相同的fieldstructure。分組的目的通常是為every管道準備一個處理流，every管道可以針對groups進行aggregator和buffer操作，比如counting，totalling，averaging。我們應該明确，grouping這裡意味着基于某一特地field的值進行分組（bygroupby或cogroup）,比如按照timestamp或zipcode進行分組，在每一分組中，元組的順序是随機的，不過你也可以指定一個次sortkey，但是通常情況下，是不必要的，這隻會增加運作時間。
every用于處理分組後的流。隻能用于groupby或cogroup的輸出流，不能處理each、merge、hashjoin的輸出流。
cogroup對多個流進行join，和sqljoin類似。它隻基于某特定field進行group，産出一個結果流。如果在多流中包含有相同的field名，它們必須被重命名來避免結果tuple中field的沖突
hashjoin和cogroup一樣，用于對多個流的join。但是它更适用于不需要grouping的場合下，這時它的性能更優。
pipe類型對比表
pipe type
purpose
input
output
<code>pipe</code>
instantiate a pipe; create or name a branch
name
a (named) pipe
<code>subassembly</code>
create nested subassemblies
<code>each</code>
apply a filter or function, or branch a stream
tuple stream (grouped or not)
a tuple stream, optionally filtered or transformed
<code>merge</code>
merge two or more streams with identical fields
two or more tuple streams
a tuple stream, unsorted
<code>groupby</code>
sort/group on field values; optionally merge two or morestreams with identical fields
one or more tuple streams with identical fields
a single tuple stream, grouped on key field(s) with optionalsecondary sort
<code>every</code>
apply aggregator or buffer operation
grouped tuple stream
a tuple stream plus new fields with operation results
<code>cogroup</code>
join 1 or more streams on matching field values
one or more tuple streams
a single tuple stream, joined on key field(s)
<code>hashjoin</code>
a tuple stream in arbitrary order
each、every的文法如下：
這兩個pipe都有四個參數：
一個pipe執行個體
一個參數選擇器
一個operation執行個體
一個輸出選擇器
each與every的主要不同在于each用于處理單個元組，every用于處理由groupby或cogroup輸出的分組tuple，這限制了它們分别可以實施的操作、結果的輸出。
each的操作可以是functions和filters的子類。比如你可以從日志檔案中解析出特定field；過濾掉除了httpget以外的請求，把timestring替換成datefield。
every的操作可以是aggregators和buffer的子類。比如你可以用every去統計每天get請求數，它會為每天輸出一個統計值。
大多數operation子類都聲明了resultfield（就是上圖中的declaredfields），outputselector指定輸出tuple中的field，而輸出tuple中的field來源于input的field和operation的結果這兩個方面。如果outputselector=fields.all那麼輸出的tuple就是input+result的資料merge後的結果。
對于each來說argumentselector預設為fields.all，outputselector預設為fields.result
對于every來說aggregator的result預設被追加到inputtuple上。比如，你在department域上做grouping，然後統計這個較高價的電梯大廈的names，那麼結果fields會是["department","num_employees"]
當every與bufferoperation一起使用時，行為和aggregator很不一樣，operationresult這次是和目前valuestuple關聯在一起，而不是目前groupingtuple。這就像each與function一起使用時一樣。這也許看起來不是很直覺，但這提供了很大的靈活性。換一個說法，bufferoperation的result沒有被追加到thecurrent
keys being grouped on，是由buffer來決定是emit它們ifthey
are relevant，而且對于buffer來說，針對每個唯一的grouping有可能emit多個resulttuple。也就是說，一個buffer可能或者可能不和aggregator行為一緻，但是aggregator隻是一個特殊的buffer。