为何Python定时调用函数的代码会冻结？添加print却正常？

先看用户的代码实现：

from time import time

def multiply(n1, n2):
    return n1 * n2

# 导致程序冻结（CASE 1）
def not_working_1_timed_exec(func, sec, *args, **kwargs):
    start = time()
    while time() - start < sec:
        yield func(*args, **kwargs)

# print(list(not_working_1_timed_exec(multiply, 5, 2, 5)))

# 导致程序冻结（CASE 2）
def not_working_2_timed_exec(func, sec, *args, **kwargs):
    start = time()
    ret = []
    while time() - start < sec:
        ret.append(func(*args, **kwargs))
    return ret

# print(list(not_working_2_timed_exec(multiply, 5, 2, 5)))

# 正常运行
def timed_exec(func, sec, *args, **kwargs):
    start = time()
    while time() - start < sec:
        print('hello world') # 这行让函数正常工作
        yield func(*args, **kwargs)

print(list(timed_exec(multiply, 5, 2, 5)))

为什么前两个函数会导致冻结？ #

这两个函数的核心问题是循环密度太高，完全占满了CPU：

• CASE1的生成器版本：当用list()遍历生成器时，生成器会在while循环里疯狂执行multiply并yield结果。因为multiply是极简单的计算函数，执行速度极快，循环会在指定时长内把CPU拉满到100%，系统没有多余资源处理界面响应、输出缓冲等其他任务，程序因此看起来像“冻结”。
• CASE2的列表版本：原理完全一致，while循环里疯狂调用multiply并将结果存入列表，CPU被计算任务彻底占用，系统无法处理其他操作，自然无响应。

为什么print语句能让函数正常工作？ #

print在这里起到了两个关键作用：

1. 触发IO操作，给CPU喘息时间：print属于标准输出的IO操作，这类任务速度远慢于计算，CPU在等待输出完成的间隙，会去处理系统的其他任务（比如响应程序状态、刷新界面等），不会被计算循环完全占死。
2. 引入微小延迟：IO操作本身会带来极短的延迟，虽然感知不到，但足够降低循环频率，避免CPU持续100%占用，程序也就不会出现冻结现象。

其实不用print也能解决问题，比如在循环里加一行time.sleep(0.001)，给循环加个微秒级延迟，同样能让CPU释放资源，恢复程序正常运行。

内容的提问来源于stack exchange，提问作者Omer Menahse