如果你想向一个9岁的孩子解释这一点。

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。

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。

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。

简单地说，并发就是同时处理很多事情。

“处理”一词用粗体显示了并发和并行之间的区别。同时处理许多事情意味着同时完成许多事情，但它们是否同时执行并不重要。另一方面，并行意味着同时做很多事情（同时执行）。因此，可以使用一个或多个处理资源来实现并发上下文。使用一个处理资源同时处理许多事情意味着通过在任务之间进行上下文切换，可以同时执行许多事情。另一方面，具有许多处理资源的并发上下文意味着进行并行处理。这意味着我们通过并行来实现并发，但反之亦然。

在我的文章中，您可能想了解更多关于并发性和并行性及其与当今技术的关系。

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。）