共计 3158 个字符，预计需要花费 8 分钟才能阅读完成。
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-8
import sys
import time
import datetime
from rediscluster import StrictRedisCluster
import threading
from 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()
：
