基于anc软件用户的ap🎡cs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，ap🎡cs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，ap🅳cs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15o🅳o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🙊🈮🁯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piv🕆🙋ot支点越多，对于巴特勒的压力越大。
因为，🄼管理更多的p🍙🈤ivot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。