在并行计算的算法设计中，常见的并行化技术和方法包括：
1.任务并行：将问题划分成多个的子任务，由不同的处理器并行处理，最后将结果合并得到最终结果。这种方法适合于问题能够被自然地划分成多个的子问题的情况，比如图像处理、搜索算法等。
2.数据并行：将同一个任务的数据划分成多个部分，由不同的处理器并行处理，最后将处理结果合并得到最终结果。这种方法适合于问题的数据量很大，可以被划分成多个部分并且每个部分的处理过程是相似的情况，比如矩阵运算、大规模数据处理等。
3.流水线并行：将任务划分成多个阶段，每个阶段由不同的处理器并行处理，各个阶段之间通过缓冲区进行数据传递，从而使得各个处理器可以同时处理不同的任务。这种方法适合于任务可以被划分成多个互相依赖的阶段的情况，比如数字信号处理、流水线生产等。
4.指令级并行：利用处理器的多个功能部件并行执行多条指令，通过重叠执行不同指令的操作来提高处理器的运行效率。这种方法适合于在单个处理器上提高指令执行的效率，比如超标量处理器、动态执行处理器等。
5.数据级并行：通过在多个处理器上同时处理相同或类似的数据，来提高整体的处理速度。这种方法适合于需要大量重复计算的问题，比如并行计算框架MapReduce中的数据分片和并行处理。
这些并行化技术和方法可以根据具体的问题特点和硬件环境来选择和组合使用，以提高计算效率和性能。