很好的一篇文章，忘记出处在哪里。
通过一个例子来理解
以上讲得太抽象了，我们举实际点的例子。
我们的问题：把一堆废弃语言的说明书运到火炉里，一只地鼠会花费很长时间。
更多的地鼠
单单更多的地鼠也不解决问题，它们需要更多的推车。
更多的地鼠、更多的推车
这样会加快速度，但它们会在那堆书和炉子那边遇上瓶颈。同时也要同步两只地鼠，可以通过消息的方式实现。
全部加倍
这样会以两倍的速度运送。这是两个地鼠程序的并发构成（concurrent composition）。
但这种设计不是自发并行的，如果一次只有一只地鼠在运会怎样？
这种设计仍是并发，不是并行。[译者注：一只地鼠运一次上面那堆书，然后第二只地鼠再运一次下面那堆书。一次只允许一只地鼠运送，这样就不是并行的。]
然而，这种场景是可以自发并行的。并发构成可以考虑下其他模型。
另一种设计
三只地鼠在工作，但可能会有延误。每只地鼠是个独立的步骤，附加协调（通信）。
更细粒度的并发
增加一只地鼠用来运回空推车。四只地鼠在工作，运行得更加流畅，每只地鼠都在做一个简单的任务。
如果我们把事情安排的足够好（现实中很难但不是不可能），速度会是最先只有一只地鼠的那个设计的四倍。
观察结论：我们在一个已有的设计（指三个地鼠的那个设计）中添加一个并发的步骤（第四只地鼠）增强了系统的性能。更多的地鼠干了更多的活，系统运行得更好。并发比简单的并行对问题要有更深的洞察。
我们有四个并发的步骤：1.装书到推车上2.把推车运到火炉边3.把书卸到火炉里4.运回空推车
不同的并发设计能以不同的方式来并行。
更多的并行
我们以另一个维度来并行，并行使这样的设计变的容易。八只地鼠，都在繁忙工作。
但也可能根本没有并行
谨记：即使一次只能有一只地鼠在工作（零并行），这也不失为一个良好的并发的解决方案。
另一种设计
下面也是一种用并发组成来解决问题的设计。两只地鼠，再加上一个中转堆。
以一般的方式来并行
用更多的并发程序来提高吞吐量
或者一种不同的方式
在多地鼠并发模型中引入中转堆
全面优化
使用我们所有的技术，16只地鼠都开足马力。
学到内容
我们有很多方法把问题分解，这才是并发设计。一旦我们分解了问题，并行就自然而然的产生了，正确性也变得很容易。
回到计算
我们关于运书的问题，可以看做是如下的类比：书堆是Web数据，地鼠是CPU，推车是调度、渲染或是网络，火堆是代理、浏览器或是其他的消费者。地鼠提供网络数据，这就是一个可扩展的Web服务的并发设计了。