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1oootf1o⚥📣ps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🀹🁫🈰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。
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pivot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？
这是apcs系统的固有缺点。
在固有缺点的阻碍下，apcs系统确确实实存🖦在瓶颈，准确来说，任何一个🀥异步并行计算系统，均存在这样的缺陷。