hello啊，各位觀眾姥爺們！！！本baby今天來報道了！哈哈哈哈哈嗝🐶

面試官：并行跟并發有什么區別？

并發 vs 并行：核心區別與場景

1. 定義對比

維度	并發（Concurrency）	并行（Parallelism）
核心	處理多任務的能力（不要求同時執行）	同時執行多任務（物理上同步）
資源依賴	單核即可實現（通過時間片切換）	必須依賴多核/多機（如GPU、分布式集群）
目標	提高資源利用率（如IO阻塞時切換任務）	縮短任務完成時間（拆分任務并行計算）

2. 典型場景

• 并發
  • Web服務器同時處理上千請求（Nginx通過事件循環單線程響應）。
  • 下載文件時同時更新UI進度條（主線程與后臺線程交替執行）。
• 并行
  • 圖像渲染使用GPU的數千核心并行計算。
  • Hadoop將大數據作業拆分到多臺機器并行處理。

3. 技術實現

• 并發控制
  • 鎖機制：synchronized、ReentrantLock（避免競態條件）。
  • 無鎖編程：CAS（如AtomicInteger）、Disruptor環形隊列。
• 并行框架
  • 多線程：Java的ForkJoinPool、C++的OpenMP。
  • 分布式：Spark RDD、MPI（消息傳遞接口）。

4. 性能瓶頸

問題類型	并發	并行
常見挑戰	死鎖、線程切換開銷、資源競爭	任務拆分不均、通信延遲、同步成本高
優化手段	協程（減少上下文切換）、異步IO	負載均衡（如Work Stealing算法）

5. 代碼示例

并發（交替執行）

# 單核CPU通過時間片處理兩個線程
import threadingdef task1():while True: print("Task1")def task2():while True: print("Task2")threading.Thread(target=task1).start()
threading.Thread(target=task2).start()
# 輸出交替打印，但實際任一時刻只有一個線程在運行

并行（同時執行）

# 多核CPU同時執行兩個進程
from multiprocessing import Processdef task1():while True: print("Task1")def task2():while True: print("Task2")if __name__ == '__main__':Process(target=task1).start()Process(target=task2).start()
# 兩個進程可能同時在不同核心上運行

6. 關聯與協同

• 并發是并行的基礎：多線程程序在多核CPU上可轉為并行。
• Amdahl定律：并行加速比受限于程序中必須串行的部分。
  $$Speedup\le \frac{1}{1?P+\frac{P}{N}}$$
  （P為并行比例，N為處理器數量）

總結

• 選型建議：
  • IO密集型（如網絡請求）→ 優先并發（協程/異步）。
  • CPU密集型（如科學計算）→ 優先并行（多進程/分布式）。
• 誤區：
  增加線程數 ≠ 提升并行度（線程數超過CPU核心數可能引發頻繁切換，反而降低性能）。