我非常喜欢Paul Butcher对这个问题的回答（他是《七周内的七个并发模型》的作者）：

虽然它们经常被混淆，但并行性和并发性是不同的事情。并发性是问题域的一个方面代码需要同时处理多个（或接近同时）事件。相反，并行性是解决方案的一个方面您希望通过处理使程序运行更快的域并行处理问题的不同部分。有些方法是适用于并发，有些适用于并行，有些则适用于两者。了解您面临的问题，并选择合适的工具工作

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。

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。）

要补充其他人所说的话：

并发性就像让一个玩杂耍的人玩多个球。不管看起来如何，玩杂耍的人每次只手抓/扔一个球。平行运动是让多个杂耍者同时变戏法。

平行度：让多个线程执行类似的任务，这些任务在数据和资源方面彼此独立。例如：谷歌爬虫可以产生数千个线程，每个线程可以独立完成任务。

并发性：当您在线程之间共享数据和共享资源时，并发性就会显现出来。在事务系统中，这意味着您必须使用一些技术（如锁、信号量等）同步代码的关键部分。

并发性=>在共享资源的重叠时间段内执行多个任务时（可能最大化资源利用率）。

并行=>当单个任务被划分为可以同时执行的多个简单的独立子任务时。