这里的Redis主从结构可以是简单的主从，sentinel，redis cluster中的主从等。 wait命令的作用： 此命令将阻塞当前客户端，直到当前Session连接（主节点上）所有的写命令都被传送到指定数据
这里的Redis主从结构可以是简单的主从，sentinel，redis cluster中的主从等。wait命令的作用：此命令将阻塞当前客户端，直到当前Session连接（主节点上）所有的写命令都被传送到指定数据量的slave节点。如果到达超时(以毫秒为单位)，则即使尚未完全传送到达指定数量的salve节点，该命令也会返回（成功传送到的节点的个数）。该命令将始终返回确认在WAIT命令之前发送的写命令的副本数量，无论是在达到指定数量的副本的情况下，还是在达到超时的情况下。具体说就是：比如对于1主2从的结构，Wait要求3秒钟之内传送到2个节点，但是达到超时时间3秒钟之后只成功传送到了1个slave节点上，此时wait也不会继续阻塞，而是返回成功传送的节点个数(1)。有点类似于MySQL的半同步复制，但是效果完全不能跟半同步相比，因为Redis本身没有回滚的功能，这里的wait命令发起之后，即便是超时时间之后没有送到任何一个slave节点，主节点也不会回滚。wait命令无法保证Redis主从之间的强一致，不过，在主从、sentinel和Redis群集故障转移中，wait能够增强（仅仅是增强，但不是保证）数据的安全性。
既然wait命令在当前连接之后会等待指定数量的从节点确认，其主节点的写入效率必然会收到一定程度的影响，那么这个影响有多大？这里做一个简单的测试，环境2核4G的宿主机，docker下的集群3主3从的Redis集群，因此不用考虑网络延迟，在执行写入操作之后，使用两个Case，对比使不使用wait命令等待传送到salve的效率，1，单线程循环写入100000个key值2，多线程并发，10个线程每个线程写入10000个key，一共写入100000个key
Case1:单线程循环写入100000个key值结论：不使用wait命令，整体耗时33秒，集群中单个节点的TPS为1000左右；使用wait命令，整体耗时72秒，集群中单个节点的TPS为480左右，整体效率下降了50%多一点
单线程不使用WAIT
单线程使用WAIT（redis_conn.execute_command('wait', 1, 0)）
Case2:多线程循环写入100000个key值结论：不使用wait命令，整体耗时19秒，集群中单个节点的TPS为1700左右；使用wait命令，整体耗时36秒，集群中单个节点的TPS为900左右，整体效率与单线程基本上一致，下降了50%多一点
多线程不使用WAIT，单节点上TPS可达到1700左右
多线程使用WAIT，单节点上TPS可达到850左右
鉴于在多线程模式下，CPU负载接近于瓶颈，因此不能再加更多的线程数，测试数据也仅供参考。
总结：wait能够在主节点写入命令之后，通过阻塞的方式等待数据传送到从节点，wait能够增强（但不保证）数据的安全性。其代价或者说性能损耗也是不小的，通过以上测试可以看出，即便是不考虑网络传输延迟的情况下，其性能损耗也超出了50%。
#!/usr/bin/env Python# coding:utf-8import sysimport timeimport datetimefrom rediscluster import StrictRedisClusterimport threadingfrom time import ctime,sleep
def redis_cluster_write(): redis_nodes = [ {'host':'172.18.0.11','port':8888}, {'host':'172.18.0.12','port':8888}, {'host':'172.18.0.13','port':8888}, {'host':'172.18.0.14','port':8888}, {'host':'172.18.0.15','port':8888}, {'host':'172.18.0.16','port':8888}] try: redis_conn = StrictRedisCluster(startup_nodes=redis_nodes,password='******') except Exception: raise Exception redis_conn.config_set('cluster-require-full-coverage', 'yes') counter = 0 for i in range(0,100000): counter = counter+1 redis_conn.set('key_'+str(i),'value_'+str(i)) #redis_conn.execute_command('wait', 1, 0) if counter == 1000: print('insert 1000 keys '+str(str(datetime.datetime.now()))) counter = 0
def redis_concurrence_test(thread_id): redis_nodes = [ {'host':'172.18.0.11','port':8888}, {'host':'172.18.0.12','port':8888}, {'host':'172.18.0.13','port':8888}, {'host':'172.18.0.14','port':8888}, {'host':'172.18.0.15','port':8888}, {'host':'172.18.0.16','port':8888}] try: redis_conn = StrictRedisCluster(startup_nodes=redis_nodes, password='******') except Exception: raise Exception redis_conn.config_set('cluster-require-full-coverage', 'yes') counter = 0 for i in range(0, 10000): counter = counter + 1 redis_conn.set('key_' + str(thread_id)+'_'+str(counter), 'value_' + str(i)) #redis_conn.execute_command('wait', 1, 0) if counter == 1000: print(str(thread_id)+':insert 1000 keys ' + str(str(datetime.datetime.now()))) counter = 0
if __name__ == '__main__': #redis_cluster_write() threads = [] for i in range(10): t = threading.Thread(target=redis_concurrence_test, args=(i,)) threads.append(t) begin_time = ctime() for t in threads: t.setDaemon(True) t.start() for t in threads: t.join()
