昨晚厨房下水道堵住，今天在58同城上看了看管道疏通，一次在100元左右，为了降低成本，决定自己亲自动手，于是下班回到家后，就去五金市场买了管道疏通器。在用管道疏通器的时候，由于厨房下水管道为U型管道，钢丝只能捅进50厘米左右，就很难再捅进去了，多次尝试后，无果。仔细研究了下水管道，发现管道之间是连接着的，可以手动拧开，于是先把洗菜盆和U型管的连接卡口，然后用垃圾袋将积水接住。再将U型管从下水管中拽出，发现U型管中有杂物堵住，于是将U型管拉直，对着水龙头，直接将杂物冲出，再将U型管装上，分别打开洗菜盆的两个水龙头，水都可以畅通流下，大功告成。
忙完后，发现疏通管道和对待技术、工具颇有相似之处，如下表所示。当我们的系统有瓶颈时，策略1是请外部专家来解决；策略2是自己动手，直接上手一些工具来解决；策略3是先思考瓶颈可能在哪，然后找到瓶颈，解决掉瓶颈，于是问题解决。
| 策略 | 管道堵塞 | 架构瓶颈 | 优势 | 劣势 |
|---|---|---|---|---|
| 策略1 | 请师傅来清理管道 | 外部专家来解决 | 专家具备专业的经验，可以快速解决问题 | 成本高，有些时候专家也未必能够解决 |
| 策略2 | 手动使用工具来清除管道 | 使用工具解决 | 可以借助工具来降低重复工作和提高效率 | 工具不一定能满足条件 |
| 策略3 | 手动清除被堵塞的管道 | 思考瓶颈，解决瓶颈 | 成本可能低一些，对系统理解更深入 | 需要具备对系统更深入的认识 |
其实，并没有一种策略一直是适用于所有场景的；但是如果在请外部专家或者使用新的工具时，我们先思考一下系统的瓶颈，尝试着去优化这个瓶颈，或许比盲目依赖专家或者工具要好。
正如当前，大数据与Deep Learning之火，如果交流时，不说几个相关的名词，都不敢说自己是数据挖掘工程师。可是，真的是这样的吗？窃以为，从来没有一种方法或者工具可以统一江湖。Hadoop不会，Spark不会，Deep Learning也不会，我们更应该去思考我们的系统、模块是否需要用到这些工具、模型？如果需要，是否真能够有效提升我们系统、模块的效率或者效果？
工具可以提高我们的效率，却不能改善我们的思维，不盲目依赖工具，但也不排斥工具，动手前先思考一下，研究一下。