这里是Rob Pike关于此事的幻灯片。每次我看到它，我都感觉自己像个白痴。众所周知，并发是将复杂问题分解成较小组件的过程。如果您无法正确地将某些东西分解成较小的部分，则很难使用并发解决它。
但是，在实现并发之后，幻灯片中并没有详细介绍如何实现并行性。在第52页的课程幻灯片中，他说并发-“甚至可能是并行”。但问题是 - 何时以及如何才能使并发正确高效地导致并行性？
我猜，在幕后，Rob指出开发人员应该在并发级别上工作，而并行性应该是语言/虚拟机的关注点（gomaxprocs？）。只需关注智能分解为较小单元，仅关注正确的并发性-并行性将由“系统”处理。
请给我们一些启示。
Rob Pike的观点是什么
当你有一个算法的抽象形式在脑海中时，你必须选择使用消息传递、共享内存或者混合方式来实现它。你还必须考虑内存访问类型（NUMA、UMA等）和所使用的拓扑结构（超立方体、环、网格、树等）。
对于那些只想以并行方式完成某项任务（比如并行for循环）的人来说，这似乎是一项繁琐的工作，甚至是简单的任务也要如此。
特别是如果你改变了拓扑结构（为了获取所有优势），那么这将是一项非常艰巨的工作。
因此，你编写并行代码（无论是简单的还是复杂的），虚拟机或编译器会选择最佳方式运行它，甚至会以顺序方式运行！（例如.NET的任务并行库）
重要说明：
我应该说明的是，我所说的并发是指程序/算法中的并发，而不是系统中独立程序之间的并发。
你说：
众所周知，并发是将复杂的问题分解成更小的组件。如果你不能将某个东西正确地分解成较小的部分，就很难使用并发来解决它。
但这是错误的，因为这些更小的组件可能需要按照顺序依次完成，所以即使你将其分解成小组件，也不意味着你实现了并发/并行。
在我所有的并行和分布式算法课程中 （本科和硕士），我们从未谈论过“我们获得了并发，现在让我们看看如何获得并行”。如果你用并发来描述一种算法，那么你就意味着并行，反之亦然。
在文献中，分布式和并行之间存在细微的差别。
从算法的角度来看，你可以使用并发、并行和分布式，而得到相同的思路。
从实现的角度来看，如果你说“并行”，你通常指在本地计算机或集群上运行的程序（共享内存通信），而“分布式”则指在网格上运行程序（消息传递通信）。
现在，无论是分布式还是并行都意味着并发。
我认为你应该对这些术语的确切含义更加持怀疑态度，因为即使在文献中（我谈论的是那些实际上为此领域做出贡献的人，而不仅仅是创建了一些语言的人），它们也被用来表达抽象概念。
算法/程序中的并发意味着有些代码片段可以独立于其他代码片段运行，即使它们最终仍将等待某些其他代码片段（请查看Amdahl's Law以了解其确切含义）。
因此，无论何时，在算法/程序中使用并发，都意味着具有并行性。
我认为最好实现一些并行和分布式算法来更好地理解其背后的思想。如果您知道C/C++，可以使用OpenMPI进行分布式（消息传递）实现，使用OpenMP进行并行（共享内存）实现。