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1ooo😩🄃🞇tf1ops的高度。网
不过，随着a🛠🝮🛠🝮pcs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pivo😩🄃🞇t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1o🏴🞕🔂o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1🛠🝮oo万用户，增加了🏊1🝝🌊♅oootf1ops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16oo万个pivot支点的难度，并非一样的程度。事实上，需要管理的piv🖂ot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。