并发与并行的主要区别

并发和并行是常见的概念，尤其是在 IT 领域。在数据解析中，除其他外，它们有助于最大限度地提高性能和系统效率。虽然这两个术语经常在同义语境中使用，但它们同时指的是高效处理大量数据的不同方法。因此，这两个术语对于构建可扩展的数据收集和分析系统同样重要。在本文中，我们将讨论并发性与并行性、它们之间的区别以及它们在数据解析中的应用实例。

什么是并发？

在解析过程中，并发是指在单个处理器的时间片内，以时间重叠的方式执行多个任务。这意味着，虽然一次只能执行一个任务，但在外部系统看来，许多任务是同时执行的。换句话说，每个任务的执行都在争夺处理器的资源，但无法同时使用所有资源。

尤其是，该策略在 I/O 绑定并发中效果最佳，I/O 绑定并发包括程序从其他设备发送或接收数据的任何操作。其中一项任务就是网络刮擦。并发可使刮擦程序同时发出多个请求，而不是等待一个请求满足后再发出下一个请求。在这种情况下，随着完成请求所需的时间减少，生产率也会随之提高。

需要注意的是，有时并发可能会被定义为所谓的 "错误并行"，但在以下区块中，我们将对其进行突破。

了解线程

线程是并发运行的数据收集系统的主要构件。为了全面了解线程是如何运行的，有必要仔细研究一下进程的定义。一个工作进程包含多个活动，每个活动由一个线程完成。因此，线程可以被视为计算机工作中不可分割的最小单位。

从并发的角度来看，许多线程可以大致同时运行。这样，系统就能充分利用处理器的可用资源。

现代编程语言和操作系统允许管理线程：创建、暂停和同步线程。线程尤其适用于涉及数据解析的任务，因为它们可以同时处理多个数据流，从而减少等待时间并提高效率。

实例

实际上，并发性几乎是所有当代软件系统的一个组成部分。这一特性使得利用少量资源运行大量进程成为可能。并发的一个典型例子就是在网络服务器上同时为多个请求提供服务。

为了说明这一点，让我们假设一个在线市场，用户可以同时下订单、查找产品和查看订单状态。由于处理器数量有限，服务器实际上无法同时处理所有请求。不过，它可以执行并发任务，通过在用户请求之间切换来共享时间。例如，一个用户可以下订单，而另一个用户可以请求产品信息。服务器可以循环执行这两个进程，而不是等第一个进程完成后再开始第二个进程。正因为如此，系统的响应速度大大提高，而且系统看起来是在并行执行任务。

有关网络刮擦的另一个例子是，如果用户希望从 100 个网页中收集数据。如果没有并发性，下载将按照等待-请求-处理的循环进行，这将花费不必要的时间。但是，如果有了并发性，用户就可以同时发送 10 个请求，然后在加载第一批网页的同时，处理已经收到的数据。与等待每个页面加载相比，这样可以节省更多时间。

利用并发性优化流程

说到网络解析，采用并发性可以提高效率。例如，网络搜索器可以部署并发功能，以便同时从多个网页中获取数据，从而缩短收集信息所需的总时间。以下几点说明了并发如何帮助缩短处理时间：

• 允许提高响应速度，这样，即使其他冗长的进程正在运行，系统也能立即处理用户的请求；
• 这样就能充分利用给定的处理器资源，在执行某些任务的同时等待其他任务的完成；
• 可以同时执行多个进程，从而减少执行所有子任务所需的时间。

此外，并发应用于信息处理的方式不会阻塞主执行线程，因此计算机的使用性能不会下降。

什么是并行性？

并行的简短定义是指在不同的计算资源上同时完成一组特定的计算流程。在并行计算中，资源是同时使用的，而在并发计算中，资源只是交替使用，模拟的是同时执行。换句话说，并行就是在多个 CPU 内核甚至多个服务器上同时处理数据。

让我们进一步思考：为什么要使用并行。它有以下好处：

• 更快地执行对资源要求较高的任务，如机器学习、图形渲染或大数据分析；
• 在多核系统中有效平衡工作负载，因为负载由处理器内核分担；
• 实时处理数据流，这在视频处理或金融分析等领域至关重要。

现代多核处理器可将任务拆分，实现独立和同时并行并发执行。

利用并行加速进程

并行执行任务可缩短计算时间，并将计算分成若干块。系统进程可以非同步方式执行，因为工作量被分割到不同的处理器和内核上。

在现代并行技术中，图像处理就是一个例子。假设需要对高分辨率图像应用特定的滤波器。如果我们要逐个处理每个像素，那么完成这项工作将耗费大量时间。然而，利用并行技术，可以将图像分成多个部分，每个处理器同时处理自己的部分。这样就能最大限度地提高应用程序的速度，增强其性能。众所周知，这种方法也被用于人工智能信息处理和视频游戏中。

并发与并行：主要区别

在开发软件系统时，我们应该了解使用并发与并行的具体时机，并理解这些技术与性能之间的关系。以下是需要了解的最重要的两点：

• 并发的主要目的是以最佳方式在任务间切换，使它们有效地同时执行，但不是真正的并行执行。
• 并行可在多个处理器或内核上同时提供真正的执行，在计算密集型进程中最为有用。

下面的表格直观地说明了并行和并发之间的区别：

总之，每种方法都有其优势，需要根据具体的系统需求进行选择。在计算能力有限的情况下，并发性有助于有效利用资源，而并行性则通过在不同处理器之间分割负载来加快操作速度。

并发与并行相结合

尽管并发性和并行性可以作为不同的现象进行研究，但它们的融合往往会产生非凡的效果。在需要高响应速度的复杂应用系统中，两者的结合非常重要，因为它能大大提高整体效率。结合的方法可以优化计算资源的使用，加快数据处理速度。

这种方法的一个例子是处理大型数据集。在这种情况下，并行化处理的是将任务分割给多个处理器，而并发化控制的是每个处理器上的进程。

结合这些方法的优势包括但不限于

• 最大限度地利用计算资源：每个处理器和内核都处于活动状态，并满负荷工作；
• 增强的处理速度：任务可同时执行，任务转移可大大加快进程的执行速度；
• 支持复杂场景：通过组合方法，可有效管理涉及高度多任务复杂性的多层进程。

结合这些技术，可以在大型信息处理和重型计算任务领域设计出功能强大、可扩展的系统。

网络抓取的最佳方法

在从网站中提取信息时，用户的活动决定了他们是更喜欢并发还是并行，或者实际上两者都不喜欢。实际上，并发方法只有在发出请求的空闲时间较长，或者网络搜索的 CPU 密集度不高时才实用。并行方法的情况则恰恰相反，它适用于需要对页面内容进行大量访问后处理的情况，或者由于解析而导致处理器严重超载的情况。

可以采用多种策略组合，其中最理想的是在发送异步请求时实现并发，并在处理请求时实现并行。后者有一个主要优点：您可以详尽地访问页面，并以同样高的强度处理信息。

并发与并行结论

本文详细分析了并发性与并行性，并描述了两者在不同情况下的操作方式。并发是指通过在不同活动之间切换来管理执行活动的一系列技术，从而最大限度地提高可用处理器时间的使用效率。并行指的是同时做多件事，如使用多个处理器或单个处理器的多个内核。这些策略的主要区别在于，在并发过程中，一些资源在使用时处于闲置状态，而并行则通过重新分配资源来优化可用资源。

在我们看来，最佳方法的选择取决于问题的特殊性：并发更适合异步任务，而并行更适合复杂计算。在某些情况下，将二者结合会产生最佳结果。