并发与并行：概念辨析与 Python 实践

在现代软件开发中，“并发”和“并行”是两个频繁出现但常被混淆的概念。尽管它们都涉及多个任务的处理，但在本质、目标和实现方式上存在显著差异。本文将从定义出发，结合 Python 的具体示例，清晰阐述两者的区别及其适用场景。

一、基本概念

并发（Concurrency）指的是多个任务在一段时间内交替或重叠执行的能力。它关注的是程序的结构设计——如何组织多个逻辑流，使其能够协调运行。并发不要求任务真正同时执行；在单核处理器上，操作系统通过快速切换上下文，使多个任务看起来像是同时进行。

并行（Parallelism）则指多个任务在同一时刻真正同时执行。这通常依赖于多核 CPU 或多个处理器，每个任务在独立的计算单元上运行。并行的核心目标是提升计算性能，缩短任务完成时间。

简言之：

• 并发是“处理多个事情的能力”（dealing with many things at once）；
• 并行是“同时做多个事情”（doing many things at once）。

二、Python 中的并发与并行

Python 的标准实现（CPython）包含一个称为GIL（Global Interpreter Lock，全局解释器锁）的机制。GIL 确保同一时刻只有一个线程执行 Python 字节码，这使得多线程在 CPU 密集型任务中无法实现真正的并行。然而，在 I/O 密集型场景中，线程在等待 I/O 时会释放 GIL，从而实现高效的并发。

因此，在 Python 中：

• 多线程（threading）适用于 I/O 密集型任务，可实现并发但非并行；
• 多进程（multiprocessing）适用于 CPU 密集型任务，可绕过 GIL，实现真正的并行。

下面通过具体代码示例说明。

示例 1：使用 threading 实现并发（I/O 密集型）

importthreadingimporttimedefio_task(name):print(f"线程{name}开始 I/O 操作")time.sleep(2)# 模拟网络请求或文件读写print(f"线程{name}完成")start=time.time()t1=threading.Thread