嘿，我来帮你拆解这个问题——我之前做性能测试时也碰到过类似的CPU负载异常情况，咱们一步步理清楚：

一、为什么阶乘任务CPU占用低还返回空？ #

你观察到的现象主要有三个核心原因：

1. 单线程的核心限制：Python单线程受GIL（全局解释器锁）约束，CPU密集型任务只能占用一个CPU核心。如果你的机器是双核CPU，单线程跑满一个核心就是50%的占用率，计算完成后自然会回落。
2. 代码逻辑可能存在疏漏：
   • 如果你把math.factorial(200)放在循环外面，那循环里只是重复引用同一个计算结果，根本没做实际运算，CPU负载当然上不去。
   • 返回空字符串大概率是服务端响应逻辑有问题：要么计算结果没被正确返回（比如遗漏return语句），要么大整数的序列化/发送过程出错（比如socket发送时没处理好缓冲区，导致数据没发出去）。
3. 计算被快速完成：200的阶乘虽然是极大数，但math.factorial是C实现的高效函数，就算重复20000次，单线程也能很快跑完，所以CPU占用只是短暂飙升。

二、为什么打印字符串的CPU占用反而更高？ #

这个看似反直觉的现象，核心原因是I/O操作带来的上下文切换开销：

• 当服务端无限循环打印字符串时，print会频繁触发用户态与内核态的切换，而且终端渲染速度远慢于程序打印速度，导致进程频繁陷入阻塞-唤醒的循环。
• 如果你的服务端用了多线程处理请求，多个线程同时竞争打印锁和GIL，会产生大量上下文切换，反而推高了CPU占用率（这部分开销主要是内核在调度线程，而非实际业务计算）。

三、符合需求的服务端任务示例 #

1. 让CPU占用率接近90%+的任务（榨干多核性能） #

要让CPU跑满，必须突破单线程限制，用多进程利用所有CPU核心（CPU密集型任务不推荐多线程，GIL会限制性能）：

import multiprocessing
import math

def cpu_intensive_task():
    # 无限循环执行CPU密集计算：重复计算大数的幂取模，确保CPU持续忙碌
    while True:
        _ = pow(2, 1000000, 123456789)

if __name__ == "__main__":
    # 启动与CPU核心数相同的进程
    core_count = multiprocessing.cpu_count()
    processes = [multiprocessing.Process(target=cpu_intensive_task) for _ in range(core_count)]
    for p in processes:
        p.start()
    for p in processes:
        p.join()

这个程序会把所有CPU核心跑满，占用率接近100%，完全符合CPU密集型场景的需求。

2. 控制CPU占用率在阈值以下的任务 #

可以通过计算+休眠的动态调整策略，让CPU占用稳定在目标阈值（比如70%）：

import time
import psutil

def controlled_cpu_task(target_cpu=70):
    while True:
        # 一段固定时长的CPU密集计算
        start_time = time.time()
        while time.time() - start_time < 0.7:
            _ = pow(2, 100000)
        # 根据当前CPU占用动态调整休眠时间
        current_cpu = psutil.cpu_percent(interval=0.1)
        sleep_time = max(0, (current_cpu - target_cpu) * 0.001)
        time.sleep(sleep_time)

if __name__ == "__main__":
    controlled_cpu_task()

你可以调整计算时长和目标CPU值，精准控制占用率。如果不需要动态调整，也可以用固定比例的计算+休眠（比如计算0.9秒，休眠0.1秒，能稳定在90%左右）。

内容的提问来源于stack exchange，提问作者y_159