プログラミングやシステム設計を学ぶ中で、「並列処理」と「並行処理」という2つの用語に混乱した経験がある方は多いでしょう。
この2つは似ているようで本質的に異なる概念であり、正しく区別して理解することがシステム設計とパフォーマンス最適化の基礎となります。
本記事では並列処理と並行処理の違い・それぞれの特徴・使い分けについて詳しく解説していきます。
並列処理と並行処理の違い：基本的な結論
それではまず、並列処理と並行処理それぞれの定義と根本的な違いについて解説していきます。
並列処理（Parallel Processing）とは、複数の処理を複数のプロセッサやコアが物理的に同じ瞬間に実行する方式です。
一方、並行処理（Concurrent Processing）とは、複数の処理が論理的に同時進行しているように見えるが、実際には高速な切り替えによって一つのプロセッサが交互に処理を進める方式です。
最もシンプルな言い方をするなら、並列処理は「本当に同時に実行」であり、並行処理は「同時に進行しているように見える」という違いになります。
並列処理と並行処理の基本比較
| 比較項目 | 並列処理（Parallel） | 並行処理（Concurrent） |
|---|---|---|
| 実行の同時性 | 物理的に同時実行 | 論理的な同時進行（切り替え） |
| 必要なハードウェア | 複数コア・複数CPU | シングルコアでも実現可能 |
| 目的 | 処理速度の向上 | 処理の効率的な管理・応答性向上 |
| 英語表現 | Parallelism | Concurrency |
Rob Pike（Go言語の設計者）の言葉として有名なのが「並行性は構造の問題であり、並列性は実行の問題だ」という表現であり、並行処理は「どのように処理を設計・構造化するか」、並列処理は「どのように処理を実行するか」という視点の違いを示しています。
並行処理の仕組みとコンテキストスイッチ
並行処理は単一のプロセッサでも実現できますが、その仕組みはコンテキストスイッチです。
OSのスケジューラが複数のスレッドやプロセスをごく短い時間単位（タイムスライス）で切り替えることで、ユーザーからは複数の処理が同時に進行しているように見えます。
コンテキストスイッチのたびに現在の実行状態（レジスタ値・スタックポインタ等）を保存・復元する処理が発生するため、切り替え頻度が高すぎるとオーバーヘッドが増大します。
並列処理の仕組みとマルチコアの活用
並列処理はマルチコアCPUや複数のCPUが物理的に独立して処理を実行することで実現されます。
4コアCPUであれば理論上4つの処理を同時に実行でき、適切に並列化されたプログラムであれば逐次処理に比べて最大4倍の処理速度向上が期待できます。
ただしアムダールの法則が示すとおり、プログラムに並列化できない逐次部分が含まれる限り、コア数を増やしても高速化には上限があります。
並行処理と並列処理の具体的な例
続いては、並行処理と並列処理の具体的なイメージをつかむための例を確認していきます。
日常的なアナロジーで理解する
並行処理と並列処理の違いをわかりやすく理解するために、コーヒーショップの例で考えてみましょう。
並行処理は「一人のバリスタが複数の注文を受けながら、コーヒーが抽出される待ち時間に別の注文の準備をする」イメージです。
物理的に同時ではありませんが、複数の仕事を効率よく進めています。
並列処理は「複数のバリスタが同時にそれぞれの注文を担当して作業する」イメージで、真の意味で複数の処理が同時に進んでいます。
ウェブサーバーにおける並行処理の活用
ウェブサーバーはその仕組みとして並行処理を多用しています。
クライアントからのリクエストをスレッドやノンブロッキングI/Oで処理することで、一つのリクエストがデータベースの応答を待っている間に別のリクエストの処理を進めることができます。
Node.jsのイベントループはシングルスレッドでも高い並行性を実現する好例であり、I/Oバウンドな処理では並行処理が非常に効果的です。
科学計算における並列処理の活用
一方、CPUバウンドな処理（大量の計算が必要な処理）では並列処理が威力を発揮します。
機械学習のモデル訓練・物理シミュレーション・画像処理などは、データを分割して複数のコアやGPUで同時に計算することで大幅な高速化が実現できます。
| 処理の種類 | 適した方式 | 具体例 |
|---|---|---|
| I/Oバウンド処理 | 並行処理 | ウェブサーバー・ファイル操作・DB待機 |
| CPUバウンド処理 | 並列処理 | 画像処理・機械学習・科学計算 |
| 両方の要素を持つ処理 | 組み合わせ | 大規模データ処理・動画エンコード |
並行処理と並列処理の使い分けと設計指針
続いては、並行処理と並列処理の使い分けと設計上の指針を確認していきます。
処理の性質による選択
どちらの方式を採用するかは、処理がI/Oバウンドかコンピュートバウンドかで判断するのが基本です。
ネットワーク通信・ファイルI/O・データベースアクセスなど待機時間が多い処理にはスレッド・コルーチン・非同期処理による並行処理が適しています。
CPU集約的な数値計算・データ変換・エンコード処理には複数コアを活用した並列処理が適切です。
Pythonにおける並行・並列処理の実現方法
Pythonではスレッドベースの並行処理（threading）・プロセスベースの並列処理（multiprocessing）・非同期I/Oによる並行処理（asyncio）の3種類が主な選択肢です。
PythonにはGIL（グローバルインタープリタロック）があるため、スレッドベースではCPUバウンド処理の真の並列化が難しく、CPU集約処理にはmultiprocessingモジュールを使うことが推奨されます。
設計における並行性の重要性
現代のシステム設計においては、まず「並行性（Concurrency）を考慮した設計」を行うことが重要です。
並行性のある設計は将来的に並列実行にも対応しやすく、スケーラビリティの高いアーキテクチャの基盤となります。
並行処理の設計を先に確立しておくことで、ハードウェアリソースの増加に応じて自然に並列処理の恩恵を受けやすくなります。
まとめ
本記事では、並列処理と並行処理の違い・それぞれの特徴・具体例・使い分けについて解説しました。
並列処理は物理的な同時実行であり、並行処理は論理的な同時進行という根本的な違いがあります。
I/Oバウンドな処理には並行処理、CPUバウンドな処理には並列処理というように、処理の性質に応じた適切な方式の選択がシステムのパフォーマンスと効率を最大化するための鍵となります。
両者の概念をしっかり理解した上で、設計・実装に活かしていきましょう。
