1.从本质上看
gbdt是机器学习算法的一种，xgboost是该算法的具体工程实现

2.基分类器
gbdt采用cart作为基分类器，而xgboost的基分类器可以是线性的

3.防止过拟合
xgboost在目标函数中显式的加入了正则化项来控制模型的复杂度

4.数据的使用
gbdt每轮迭代都使用全部数据，xgboost则可以对数据进行采用

5.对缺失值处理
XGBOOST可以自动学习出缺失值的分裂方向

6.列抽样
XGBOOST可以支持类似于随机森林的列抽样

7.模型训练
GBDT在训练模型时中使用了代价函数的一阶导数信息，而XGBOOST将代价函数进行了二次展开，使用了二阶导数的信息。

8.并行方式
两个模型从迭代上都不是并行的，因为同属于boosting，只能是串行的，但是从特征的粒度来看，xgboost可以实现并行。
决策树在确定最佳分割点时，需要对特征的值进行排序。XGBoost在训练之前，预先对数据进行了排序，然后保存为block(块)结构，后面的迭代中重复地使?这个结构，?大减小计算量。这个block结构也使得并行成为了可能，在进行节点的分裂时，需要计算每个特征的增益，最终选增益最大的那个特征去做分裂，那么各个特征的增益计算就可以开多线程进行。

以上都是本人通过各种方式学习后总结了两者的一些不同。