Java高频面试之并发编程-01

hello啊，各位观众姥爷们！！！本baby今天来报道了！哈哈哈哈哈嗝🐶

面试官：并行跟并发有什么区别？

并发 vs 并行：核心区别与场景

1. 定义对比

维度	并发（Concurrency）	并行（Parallelism）
核心	处理多任务的能力（不要求同时执行）	同时执行多任务（物理上同步）
资源依赖	单核即可实现（通过时间片切换）	必须依赖多核/多机（如GPU、分布式集群）
目标	提高资源利用率（如IO阻塞时切换任务）	缩短任务完成时间（拆分任务并行计算）

2. 典型场景

并发
- Web服务器同时处理上千请求（Nginx通过事件循环单线程响应）。
- 下载文件时同时更新UI进度条（主线程与后台线程交替执行）。
并行
- 图像渲染使用GPU的数千核心并行计算。
- Hadoop将大数据作业拆分到多台机器并行处理。

3. 技术实现

并发控制
- 锁机制 ：synchronized、ReentrantLock（避免竞态条件）。
- 无锁编程 ：CAS（如AtomicInteger）、Disruptor环形队列。
并行框架
- 多线程 ：Java的ForkJoinPool、C++的OpenMP。
- 分布式：Spark RDD、MPI（消息传递接口）。

4. 性能瓶颈

问题类型	并发	并行
常见挑战	死锁、线程切换开销、资源竞争	任务拆分不均、通信延迟、同步成本高
优化手段	协程（减少上下文切换）、异步IO	负载均衡（如Work Stealing算法）

5. 代码示例

并发（交替执行）

python 复制代码

# 单核CPU通过时间片处理两个线程
import threading

def task1():
    while True: print("Task1")

def task2():
    while True: print("Task2")

threading.Thread(target=task1).start()
threading.Thread(target=task2).start()
# 输出交替打印，但实际任一时刻只有一个线程在运行

并行（同时执行）

python 复制代码

# 多核CPU同时执行两个进程
from multiprocessing import Process

def task1():
    while True: print("Task1")

def task2():
    while True: print("Task2")

if __name__ == '__main__':
    Process(target=task1).start()
    Process(target=task2).start()
# 两个进程可能同时在不同核心上运行

6. 关联与协同

并发是并行的基础：多线程程序在多核CPU上可转为并行。
Amdahl定律 ：并行加速比受限于程序中必须串行的部分。
S p e e d u p ≤ 1 1 − P + P N Speedup \leq \frac{1}{1 - P + \frac{P}{N}} Speedup≤1−P+NP1
（P为并行比例，N为处理器数量）

总结

选型建议 ：
- IO密集型（如网络请求）→ 优先并发（协程/异步）。
- CPU密集型（如科学计算）→ 优先并行（多进程/分布式）。
误区：
增加线程数 ≠ 提升并行度（线程数超过CPU核心数可能引发频繁切换，反而降低性能）。