这事儿得从Python的**全局解释器锁（GIL）**和线程等待锁的方式说起，咱们拆解一下：

首先看你的代码，每个线程都在跑while True: continue——这是个完全没有IO、没有任何阻塞操作的纯CPU密集型无限循环，而且全程都是Python字节码层面的执行。

你可能听过“Python多线程在CPU密集任务下只能用一个核心”，这话没错，但为什么你的情况是4个核心全满？核心原因就在线程等待GIL的方式上：

• Python的GIL规定，同一时刻只有一个线程能执行Python字节码。当一个线程在执行代码时，其他线程不会进入睡眠状态，而是会自旋等待（忙等）——也就是不停检查GIL是否被释放，这个过程会持续占用CPU资源，不会把CPU让出去。
• 你的4个线程，每个要么在抢到GIL后疯狂跑循环，要么在忙等GIL。操作系统会把这4个线程分别调度到4个核心上，每个核心上的线程要么在执行代码，要么在忙等锁，自然就把每个核心的使用率都拉到接近100%了。

举个反例：如果你的线程里有IO操作（比如读文件、发网络请求），或者调用了会释放GIL的C扩展，那等待的线程会进入睡眠状态，不会占用CPU，这时候就不会出现全核心占满的情况。但你的代码是纯循环，完全没有任何能让线程暂停的点，所以每个线程都在“抢CPU→等锁→抢CPU”的死循环里，把所有核心都占满了。

你的代码如下：

import threading

def worker():
    """thread worker function"""
    while True:
        continue
    return

threads = []
for i in range(4):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

对应的CPU负载截图显示：4个CPU核心的使用率均接近100%，进程整体CPU占用率达到约400%。

内容的提问来源于stack exchange，提问作者Archer Li SZ