它们解决不同的问题。并发性解决了CPU资源稀缺和任务多的问题。因此，您可以通过代码创建线程或独立的执行路径，以便在稀缺资源上共享时间。直到最近，由于CPU的可用性，并发性一直是讨论的焦点。

并行性解决了找到足够的任务和适当的任务（可以正确分割的任务）并将它们分配到大量的CPU资源上的问题。当然，并行性一直都存在，但由于多核处理器非常便宜，所以它正走到最前沿。

将其视为服务队列，其中服务器只能服务队列中的第一个作业。

1个服务器，1个作业队列（有5个作业）->无并发，无并行性（只有一个作业被服务完成，队列中的下一个作业必须等待服务完成，并且没有其他服务器为其服务）

1个服务器，2个或多个不同的队列（每个队列有5个作业）->并发（因为服务器与队列中的所有第一个作业共享时间，相等或加权），仍然没有并行性，因为在任何时刻都有一个且唯一的作业在服务。

两个或多个服务器，一个队列->并行（两个作业同时完成），但没有并发（服务器不共享时间，第三个作业必须等待其中一个服务器完成）

2个或多个服务器，2个或更多不同的队列->并发性和并行性

换句话说，并发是共享完成作业的时间，它可能会占用相同的时间来完成作业，但至少它会提前开始。重要的是，可以将作业分割成更小的作业，这样可以进行交织。

并行性是通过更多并行运行的CPU、服务器、人员等实现的。

请记住，如果共享资源，则无法实现纯粹的并行性，但这正是并发性的最佳实际用途，它将承担另一项不需要该资源的工作。

我认为在这个问题上有两种不同的观点导致了混淆：程序员的观点（并发/并行编程）与计算机/操作系统的观点（并行/并行执行）。

这里回答了计算机的观点。

程序员的观点：

并发编程：程序员编写代码时知道代码将由多个线程执行，无论出于何种原因。原因可能是：在等待I/O时更好地利用CPU，通过不同线程处理Web请求，通过在独立于主线程的线程中运行计算，运行周期性后台任务，使GUI做出响应。程序员必须应用互斥构造、锁定/解锁、等待条件/信号、处理死锁等。多个线程可以在单个处理器/内核上运行（从计算机的角度来看是并发的），也可以在多个内核上运行。

并行编程：程序员知道程序将在具有多个处理器/内核的计算机上运行，并希望利用多个内核。程序员将CPU密集型计算划分为多个子任务，在一个线程中运行每个子任务，一旦线程完成，其结果将合并为总结果（分而治之）。例如，将一些矩阵处理代码划分为并行处理矩阵部分的任务。每个核心将使用子任务执行一个线程（如果线程数大于内核数，则同时执行多个线程）。程序员也必须在这里应用并发的编程构造，但她也关注将任务划分为子任务并合并结果。例如，在Java中，程序员可以使用ParallelStreams来分割数据并自动合并结果。如果程序员知道程序将在单核处理器上执行，那么将CPU密集型任务拆分为多个线程是没有好处的。摘自Doug Leah的《Java并发编程：设计原则和模式》，1999年第2版，第343页：

并行程序专门设计为利用多个CPU来解决计算密集型问题。

简单示例：

并发是：“两个队列访问一台ATM机”

并行是：“两个队列和两台ATM机”

我喜欢Rob Pike的演讲：并发不是并行（这更好！）（幻灯片）（谈话）

Rob通常谈论Go，并且通常以直观直观的解释来解决并发与并行的问题！下面是一个简短的总结：

任务：让我们烧掉一堆过时的语言手册！一次一个！

并发：任务有许多并发分解！一个例子：

并行性：如果至少有2个地鼠同时工作或不工作，则前面的配置会并行出现。

派克的“并发”概念是一个有意的设计和实现决策。具有并发能力的程序设计可能表现出行为上的“并行性”；这取决于运行时环境。

你不希望一个不是为并发而设计的程序表现出并行性。：-）但就相关因素（功耗、性能等）而言，这是一个净收益，您需要最大程度的并发设计，以便主机系统可以在可能的情况下并行执行。

派克的Go编程语言将这一点发挥到了极致：他的函数都是可以同时正确运行的线程，也就是说，如果系统有能力，调用函数总是会创建一个与调用者并行运行的线程。一个拥有数百甚至数千个线程的应用程序在他的世界中是非常普通的。（我不是围棋专家，这只是我的看法。）