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1ooot🌽🄠⚨f1ops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piv🂉🌽ot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。