基于anc软件用户的apcs系统，目前越来越庞大，用户数量已经过了百万人，🛴♃🅮apcs系统收集的异步无序计算力，跨越了1oootf1ops的高度。网
不过，随着apcs系统越来越📨庞大，apcs系统收集计算力的增幅，也越来越缓慢。
依旧是因为apcs系统固有的缺陷！
apcs系统确实存在缺陷，并非南林归一的技术不够先进，也不🞖🔇是📖🚲巴特勒无法管理更多的pivot支点，而是因为随着pivot支点的增加，巴特勒需要🀾消耗更多的资源却管理它们，并且有序的分配它们执行任务。
简单来说，apcs系统收集计算力，存在一个极限瓶颈，一旦到达了瓶颈状态，即增加的pivot支点性能与巴特勒需要管理pivot支点所付出的计算力一致的时候，ap🁃🃋🖓cs系统便会达到饱和状态。
举一个例子说明👅🆜，如果anc拥有一千五百万用户的时候，巴特勒需要5ooo🝄🈤⛷tf1ops的计算力管理它们。现在又增加了1oo万anc用户带来了1oootf1ops的计算力资源。
但是，在15oo万用户的基础上，再加1oo万用户🟂，巴特勒需要消耗1oootf1ops的计算力资源去管理它们🕼。
那么，增加1oo万用户，增加了1oootf1ops的计算力资源，又消耗了1oootf1op🐃s的计算资源管理它们，是不是在白费劲？
不！
不是白费劲！
应该是更费劲！
巴特勒管理15oo万个pi🚁🐛vot支点🌇☨🁸与16oo万个pivot支点的难度，并非一样的程度。事实上，需要管理的pivot支点越多，对于巴特勒的压🀾力越大。
因为，管理更多的pivot支📨点，便会遇见更多的突事件。
依旧举例说明，当南林归一需要计算力资源的时候，巴特勒先会在apc🄼🂸📠s系统里面，筛选计算力更强大，网络环境更🀲优秀，🁲使用状态更稳定的单个pivot支点。
简单来说，便是择优筛选！
如果南林归一需要2ootf1ops的计算资🚞源，巴特勒会筛选大约十多🆝🐞🀼万至二十多万pivot支点，为南林归一🀲汲取更优秀的异步无序计算力。
不过，即便是十👅🆜多二十万个pivot支点，也是很难管理的事情。因为，在南林归一执行任务的时候，任何一个pivot支点，都有可能生问题。
一旦生了问题，巴特勒需要转移负载，将生问题的pivot支点，所承担的工作任务，在极短时间内，分配到另外一个pivot支点。
基于这样的规则，在汲取异步无序计算力的时候，巴特勒其实进行了两次择优筛选工作，第一次择👎🇫优筛选的pivot支点，直接成为异步无序计算力的提供支点。