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，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a🂎🍮nc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1o🎜👼🎈ootf1ops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1oootf1ops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pivot支点与16o🐘⛲o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2ootf1ops的计算资源，巴特勒会筛选大约十🆑🎺多万至二十多万pi👧vot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。