当前位置：首页 > news >正文

并发 vs 并行编程详解

news 来源：原创 2025/5/10 10:32:11

并发 vs 并行编程详解

理解并发（Concurrency）和并行（Parallelism）是掌握多线程编程的核心基础。下面通过生活化比喻、技术原理和实际代码示例，帮助你彻底区分这两大概念。

一、核心概念对比

1. 生活化比喻

概念	比喻场景	核心区别
并发	餐厅单服务员多桌点餐	交替处理（看似同时，实际快速切换）
并行	餐厅多服务员同时服务不同桌	真正同时执行（物理上的同步处理）

2. 技术定义

并发：多个任务在同一时间段内交替执行（单核或多核均可）
并行：多个任务真正同时执行（必须多核支持）

二、核心原理图解

1. 并发（单核CPU）

特点：通过时间片轮转（Time Slicing）模拟"同时"执行
场景：Web服务器处理多请求、GUI界面响应

2. 并行（多核CPU）

特点：物理上的同时执行
场景：大数据处理、科学计算

三、Java中的实现方式

1. 并发编程示例

ExecutorService executor = Executors.newFixedThreadPool(2); // 线程池
executor.submit(() -> {while (!Thread.currentThread().isInterrupted()) {System.out.println("处理订单");}
});
executor.submit(() -> {while (!Thread.currentThread().isInterrupted()) {System.out.println("烹饪菜品");}
});
executor.shutdown();

代码逻辑：两个任务在单核上交替执行（并发）

2. 并行编程示例

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);// 顺序处理（单线程）
numbers.stream().forEach(n -> process(n)); // 并行处理（多线程）
numbers.parallelStream().forEach(n -> process(n));

代码逻辑：利用多核同时处理集合元素（并行）

四、选择依据与优化策略

1. 何时选择并发？

任务需要频繁等待I/O（如网络请求、文件读写）
需要保持用户界面响应
任务间存在依赖关系

2. 何时选择并行？

计算密集型任务（如视频编码、矩阵运算）
数据可分片处理且无共享状态
硬件支持多核（如服务器集群）

3. 性能优化要点

场景	优化策略
高并发I/O	使用NIO（非阻塞I/O）
计算密集型并行	使用Fork/Join框架
数据共享	减少锁竞争（CAS原子操作）

五、常见误区与问题

1. 误区：并发一定比顺序执行快

真相：如果任务都是CPU密集型，单核上的并发反而更慢（切换开销）

2. 误区：并行可以无限加速

阿姆达尔定律：加速上限取决于代码中必须串行的部分
```
S = \frac{1}{(1 - P) + \frac{P}{N}}
```
- S：加速比
- P：可并行部分比例
- N：处理器核心数

3. 典型问题：竞态条件（Race Condition）

// 错误示例：多线程共享变量
public class Counter {private int count = 0;public void increment() {count++; // 非原子操作}
}// 正确方案：使用AtomicInteger
private AtomicInteger count = new AtomicInteger(0);
public void increment() {count.incrementAndGet();
}

六、总结与记忆口诀

对比总结表

维度	并发（Concurrency）	并行（Parallelism）
目标	提高资源利用率	提高计算速度
实现条件	单核/多核均可	必须多核/分布式
典型应用	Web服务器、GUI应用	大数据处理、科学计算
编程重点	任务调度、状态同步	任务拆分、负载均衡