并发编程关注的是看似重叠的操作，主要关注的是由于非确定性控制流而产生的复杂性。与并发程序相关的定量成本通常是吞吐量和延迟。并发程序通常受IO限制，但并不总是如此，例如并发垃圾收集器完全在CPU上。并发程序的教学示例是网络爬虫。该程序启动对网页的请求，并在下载结果可用时同时接受响应，从而累积一组已访问的网页。控制流是非确定性的，因为每次运行程序时，响应不一定以相同的顺序接收。这种特性会使调试并发程序变得非常困难。有些应用程序基本上是并发的，例如web服务器必须同时处理客户端连接。Erlang可能是未来最有前途的高度并发编程语言。并行编程涉及为提高吞吐量的特定目标而重叠的操作。通过使控制流具有确定性，避免了并发编程的困难。通常，程序生成并行运行的子任务集，父任务仅在每个子任务完成后才继续。这使得并行程序更容易调试。并行编程的难点是针对粒度和通信等问题的性能优化。后者在多核环境中仍然是一个问题，因为将数据从一个缓存传输到另一个缓存会产生相当大的成本。密集矩阵矩阵乘法是并行编程的一个教学示例，它可以通过使用Straasen的分治算法和并行攻击子问题来有效地解决。Cilk可能是共享内存计算机（包括多核）上最有前途的高性能并行编程语言。

从我的回答中复制：https://stackoverflow.com/a/3982782

同意：具有共享资源潜力的多个执行流

前任：两个线程竞争I/O端口。

视差：将问题分成多个相似的块。

前任：通过对文件的每一半运行两个进程来解析大文件。

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。

（我很惊讶这样一个根本问题多年来都没有得到正确和巧妙的解决……）

简而言之，并发性和并行性都是计算的财产。

至于区别，以下是罗伯特·哈珀的解释：

首先要理解的是并行性与并发无关。并发与程序（或其组件）的不确定性组成有关。并行性与具有确定性行为的程序的渐近效率有关。并发是关于管理不可管理的事件：事件的发生是出于我们无法控制的原因，我们必须对此做出反应。用户单击鼠标时，窗口管理器必须做出响应，即使显示需要注意。这种情况本质上是不确定性的，但我们也在确定性设置中采用形式上的不确定性，假装组件以任意顺序发出事件信号，并且我们必须在事件发生时对其作出响应。非确定性组合是一种强大的程序结构思想。另一方面，并行性是关于确定性计算的子组之间的依赖性。其结果毋庸置疑，但有许多方法可以实现，有些方法比其他方法更有效。我们希望充分利用这些机会。

它们可以是程序中的各种正交财产。阅读此博客文章以获取更多插图。这篇文章稍微讨论了编程中组件的差异，比如线程。

注意，线程或多任务都是为更具体的目的服务的计算实现。它们可以与并行性和并发性相关，但不是以一种基本的方式。因此，它们很难成为开始解释的好条目。

还有一个亮点：（物理）“时间”几乎与这里讨论的财产无关。时间只是一种衡量实施的方式，以显示财产的重要性，但远非本质。仔细考虑一下“时间”在时间复杂性中的作用——这或多或少是相似的，即使在这种情况下，度量也往往更重要。

并发简单意味着多个任务正在运行（不需要并行）。例如，假设我们在任何时刻都有3个任务：多个任务可能正在运行，或者所有任务可能同时运行。

并行性意味着它们实际上是并行运行的。因此，在这种情况下，三者必须同时运行。

太好了，让我用一个场景来展示我的理解。假设有三个孩子：A，B，C。A和B说话，C听。对于A和B，它们是平行的：A： 我是A。B： 我是B。

但对于C来说，他的大脑必须同时进行听A和B的过程，这可能是：我是我A是B。