基于anc软件用户的a⚡💸pcs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🄀🝪🍿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，apcs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5oootf1ops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1ooo🗺♅🅽tf1ops🕿🏛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1oootf1🛐ops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pivo🗹☻t支点与16oo万个🞨p😦🃬ivot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apcs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2ootf🈣⛮🝯1ops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pi🃊🖆🐙vot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。
然后第二次择优筛选的pivot支点，则成为了备用支点。当正在使用的p🍋🆣👔ivot支点生了问题，备用♜支点立刻顶上去。🅢
由于这样的规则，如果巴特勒管理了上千万个pivot支点，那会遇见多少问题？应该是每一秒钟，都会生大量问题呢！
南林归一也没有办法更改这样的规则，事实上，🁚🆔🏎这样的规则，还是南林归一设计的，而且是目前最好的异步并行计算系统规则。
毕竟apcs系统的计算力资源来源于无法掌控的第三方计😦🃬算机，又怎么可🔧🃂能稳🛖🜖定呢？