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，ap🂢🐢🁦cs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1ooot🅯f1ops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15🄕☿🅉oo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！