pipeline 在sklearn 和 spark 中广泛存在的高层级结构，对于的它的作用我们也要思考一下，为了更好的展开思考，首先需要问几个问题：
1. 在多种场合下，用它与不用它有什么不一样？
2. 直接去看框架源码pipeline到底干了什么，帮客户端完成了哪些工作的工作？
3. 强行使用这种模式会带来什么样的代价？
4. 更好地帮助客户端完成参数化工作？
曾经，十分迷恋管道，今天深深的感到，对于做算法来讲，场景复杂，不仅仅是iid的维度长度为1的数据，管道人感到僵硬无比，
不管是spark，还是sklearn，至多管道解决的问题层次只能在于模型层次，不可再上升，总之对于做算法来讲，管道不算是好的抽象！
其实重要原因是其依赖的数据结构！
管道至多像keras的sequencial模型。。