鸿蒙中并行并发：Concurrency分析

​

 并发（Concurrency）和并行（Parallelism）区别在哪里？

🧠 核心思想：一句话分清它俩

记住这个最经典的比喻：

• 并发（Concurrency）： 一个人（一个CPU核心）交替地做多件事。

  • 比如：你一边看电视，一边回微信消息。你其实是在快速地在“看电视”和“回消息”这两件事之间切换注意力，同一瞬间你只做了一件事。

• 并行（Parallelism）： 多个人（多个CPU核心）同时地做多件事。

  • 比如：你和你的室友，一个在炒菜，一个在煮饭，两人在同一时刻真正地同时进行。

核心区别：是否同时发生。 并发关心的是任务的处理方式（交替执行），并行关心的是任务的执行状态（同时执行）。

🍳 深入聊聊“并发”（Concurrency）

为什么需要并发？
因为世界不是单线程的。在程序中，我们经常会遇到一些需要“等待”的任务，比如：

• 从网络下载一张图片

• 从数据库读取大量数据

• 等待用户点击一个按钮

如果你的程序是“单线程”的（就像一个人只做一件事），那么在下载图片时，整个界面就会“卡住”，用户点什么都没反应，体验极差。这就像你去餐厅点餐，厨师必须等菜全部做完才能接待下一位客人，效率极低。

并发的解决方案：
让一个人（主线程）负责接待客人（响应用户操作，保持界面流畅），然后派几个助手（后台线程） 去后厨做那些耗时的菜（网络请求、数据库操作）。虽然CPU核心可能只有一个，但它通过快速切换，让所有任务都看起来在同时推进。

在Android里的例子：
你刷朋友圈（主线程，UI线程），需要加载九张图。如果都在主线程下载，界面就会卡住。所以，程序会创建多个并发任务（比如用 AsyncTask, ThreadPool, Kotlin协程），让它们在后台默默下载，下载完后再把结果“抛回”给主线程显示出来。这些下载任务在单核CPU上也是可以并发执行的。

并发带来的挑战：

• 竞态条件（Race Condition）： 多个任务可能同时竞争修改同一个数据。比如，你和室友共用一个钱包，你们都看到有100元，你取80，他取50，两个操作几乎同时发生，结果可能钱包变成-30元，这显然错了。

• 解决方案： 加“锁”（Lock）。就像上厕所要锁门，一个人操作钱包时，先“锁”上，操作完再打开，另一个人才能操作

⚡️ 深入聊聊“并行”（Parallelism）

为什么需要并行？
为了极致的速度！当任务非常繁重，且可以拆分时，就用并行。

• 任务： 计算1到1亿所有数字的和。

• 单核做法： 一个人从1加到1亿。

• 并行做法（四核CPU）： 把任务拆成四份：

  • 核心1计算 1 到 2500万

  • 核心2计算 2500万到5000万

  • 核心3计算 5000万到7500万

  • 核心4计算 7500万到1亿
    最后，把四个结果加起来。速度理论上接近原来的4倍！

并行的必要条件：

1. 多核CPU硬件支持。 一个CPU核心无法实现真正的并行。

2. 任务可以被拆分。 不是所有任务都能像上面那样完美拆分。

在Android里的例子：
对一张超高清图片进行复杂的滤镜处理（比如高斯模糊）。这个计算任务很重，就可以把它拆分成若干个小块（比如按像素行），丢到线程池里，让多个CPU核心同时处理不同的块，处理完再合并，能极大提升速度。

🔄 总结与关系：一张图看懂

特性	并发（Concurrency）	并行（Parallelism）
核心目标	提高程序响应能力和资源利用率	提高程序计算速度和吞吐量
关注点	任务的结构与处理方式	任务的执行与计算过程
硬件要求	不必须多核CPU（单核也可并发）	必须多核CPU或多台机器
本质	逻辑上的同时发生（交替执行）	物理上的同时发生
好比	单CPU时间片轮转	多CPU同时计算
关系	并行是并发的一种理想特例。并发是一个更广泛的概念，它包含了“交替执行”和“同时执行”两种可能。

它们的关系是：

• 并行一定是并发的（因为多个同时执行的任务，本身就构成了并发）。

• 但并发不一定是并发的（在单核上，你只能并发，无法并行）。

你可以把并发看作是一种程序设计模式，它让程序有能力处理多个任务。而并行是一种计算资源，它利用多核硬件来加速这些任务的执行

在鸿蒙中

任务池（TaskPool）是为应用程序提供一个多线程的运行环境，降低整体资源的消耗、提高系统的整体性能，且您无需关心线程实例的生命周期。您可以使用任务池API创建后台任务（Task），并对所创建的任务进行如任务执行、任务取消的操作。

DevEco Profiler提供的Concurrency场景分析能力，帮助开发者针对并行并发场景，录制并行并发关键数据，分析Task的生命周期、吞吐量、耗时等性能问题。Concurrency模板支持展示ArkTS异步接口、NAPI异步接口、TaskPool、FFRT并发模型相关信息，并集成ArkTS Callstack、Callstack、Process信息，支持用户从Task生命周期关联到具体调用栈信息，方便用户定位并行并发性能问题。

查看Task统计信息

1：选择展开某个泳道，可以用options下拉框筛选不同进程。

​编辑2：框选子泳道中某段时间范围，详情区会出现该时段内，泳道对应执行状态下，并行并发任务的统计信息。

3：点击Task Name的跳转按钮可跳转到对应的Task泳道

​编辑

查看某一个Task的所有状态

选择展开某个泳道，可以用options下拉框筛选不同进程

​编辑

• 框选子泳道中某段时间范围，可以看到该Task在框选时间范围内的任务状态。

• 点击Task Name的跳转按钮可跳转到对应线程的泳道，可查看在该Task执行时间范围内，trace文件的打点信息，反映的是线程该时段内的函数执行情况。

​编辑展开Async ArkTS泳道，可单独查看ArkTS异步调用任务详情

​编辑

查看Task的某个状态

点击Task子泳道的某个执行节点，Details详情区里会出现task在该状态下的详细信息

​编辑

华为开发者学堂

​