要解决Akka Streams的CPU利用率过高和创建了过多的线程的问题，可以考虑以下方法：

1. 使用调节器（Throttle）：调节器可以限制流的速率，以控制数据的处理速度，从而减轻CPU的负载。以下是一个示例代码：

import akka.actor.ActorSystem
import akka.stream.ActorMaterializer
import akka.stream.scaladsl._

implicit val system = ActorSystem("MySystem")
implicit val materializer = ActorMaterializer()

val source = Source(1 to 100)
  .throttle(10, 1.second) // 每秒处理10个元素
  .map { i =>
    // 在这里进行具体的处理操作
    i * 2
  }
val sink = Sink.foreach(println)

source.runWith(sink)

2. 使用并行处理（Parallelism）：可以通过将流的处理过程分割成多个并行的操作来减轻单个线程的负载。以下是一个示例代码：

import akka.actor.ActorSystem
import akka.stream.ActorMaterializer
import akka.stream.scaladsl._

implicit val system = ActorSystem("MySystem")
implicit val materializer = ActorMaterializer()

val source = Source(1 to 100)
  .mapAsync(4) { i =>
    // 在这里进行具体的处理操作
    Future(i * 2)
  }
val sink = Sink.foreach(println)

source.runWith(sink)

在上述示例中，通过使用mapAsync操作并设置并行度为4，可以将流的处理过程并行化，从而减轻单个线程的负载。

3. 调整线程池配置：可以根据实际情况调整Akka Streams使用的线程池的配置，以优化线程的创建和使用情况。以下是一个示例代码：

import akka.actor.ActorSystem
import akka.stream.ActorMaterializer
import akka.stream.scaladsl._

implicit val system = ActorSystem("MySystem")
implicit val materializer = ActorMaterializer()

val customDispatcher = system.dispatchers.lookup("akka.stream.default-blocking-io-dispatcher")
val flow = Flow[Int]
  .map { i =>
    // 在这里进行具体的处理操作
    i * 2
  }
  .withAttributes(ActorAttributes.dispatcher(customDispatcher))

val source = Source(1 to 100)
val sink = Sink.foreach(println)

source.via(flow).runWith(sink)

在上述示例中，通过使用ActorAttributes.dispatcher方法将操作指定到自定义的线程池中，可以更好地管理线程的创建和使用情况。

通过上述方法，可以有效地降低Akka Streams的CPU利用率和线程创建数量，从而优化系统的性能。根据具体情况，也可以结合使用多种方法来解决问题。