问并发不是并行吗？

EN

罗伯·派克的意思是

当你脑海中有了算法的抽象形式时，你就必须选择是用消息传递实现它，还是共享内存，或者可能是混合实现。您还必须考虑内存访问的类型(NUMA、UMA等)和使用的拓扑(Hypercube、Torus、Ring、Mesh、Tree等)

对于那些只想要一些东西，甚至是简单的，以并行方式完成的人来说，这似乎是大量的工作(例如，并行)。

而且这是大量的工作，特别是如果你改变了拓扑(这样你就可以拥有它的所有优点)。

所以你写并行代码(不管是简单的还是复杂的)，虚拟机或编译器会选择最好的方法，甚至以顺序的方式运行它！(一个例子是.net的任务并行库)

重要编辑：

我应该提到的是，我谈论的是程序/算法中的并发性，而不是在系统中运行的独立程序之间的并发性。

你说过的

众所周知，并发是将一个复杂的问题分解成更小的组件。如果您不能正确地将某些部分划分为较小的部分，则很难使用并发来解决它

但它是错误的b/c 那些较小的组件可能依赖于彼此的顺序方式来完成，所以即使你划分成小的组件，这并不意味着你实现了并发性/并行性。

在我所有的并行和分布式算法类(包括BS和MS)中，我们从未讨论过“我们获得的并发性，现在让我们看看如何获得并行性”。如果你使用并发这个词来描述和算法，那么你就意味着并行性，反之亦然。

在文献中，你也会发现分布式和并行之间只有一条细线。

从算法的角度来看，你可以使用并发性、并行性和分布式，你会得到同样的想法。

从实现的角度来看，如果您说“并行性”，通常是指在本地计算机或集群上运行的程序(共享内存通信)，以及在网格上运行程序时的“分布式”程序(消息传递通信)。

现在，分布式和并行性都意味着并发。

我认为你应该对这些术语的确切含义持更多的怀疑态度，因为即使在文献中(我说的是对这个领域做出贡献的人，而不仅仅是某种语言的创造)，它们也被用来表达抽象的概念。

算法(程序)上的并发性意味着拥有可以独立于其他代码片段运行的代码片段，即使它们最终会等待一些其他代码片段(请查看Amdahl定律以了解这一点的确切含义)。

因此，当你在一个算法/程序中有并发时，你也有并行性。

我认为最好是实现一些并行和分布式算法，以便更好地理解其背后的思想。如果您了解C/C++，就可以使用OpenMPI实现分布式(消息传递)，使用OpenMP实现并行(共享内存)。

编辑：

他还可以将并发作为抽象原则，将并行作为实现共享内存、消息传递、两者之间的混合的方式；内存访问的类型(numa、uma等)。