Redis主從結構主節點執行寫入後wait命令對性能的影響

這裡的Redis主從結構可以是簡單的主從，sentinel，redis cluster中的主從等。

wait命令的作用：
此命令將阻塞當前客戶端，直到當前Session連接（主節點上）所有的寫命令都被傳送到指定數據量的slave節點。
如果到達超時(以毫秒為單位)，則即使尚未完全傳送到達指定數量的salve節點，該命令也會返回（成功傳送到的節點的個數）。
該命令將始終返回確認在WAIT命令之前發送的寫命令的副本數量，無論是在達到指定數量的副本的情況下，還是在達到超時的情況下。
具體說就是：比如對於1主2從的結構，Wait要求3秒鐘之內傳送到2個節點，但是達到超時時間3秒鐘之後只成功傳送到了1個slave節點上，此時wait也不會繼續阻塞，而是返回成功傳送的節點個數(1)。
有點類似於MySQL的半同步複製，但是效果完全不能跟半同步相比，因為Redis本身沒有回滾的功能，這裡的wait命令發起之後，即便是超時時間之後沒有送到任何一個slave節點，主節點也不會回滾。
wait命令無法保證Redis主從之間的強一致，不過，在主從、sentinel和Redis群集故障轉移中，wait能夠增強（僅僅是增強，但不是保證）數據的安全性。

既然wait命令在當前連接之後會等待指定數量的從節點確認，其主節點的寫入效率必然會收到一定程度的影響，那麼這個影響有多大？
這裡做一個簡單的測試，環境2核4G的宿主機，docker下的集群3主3從的Redis集群，因此不用考慮網路延遲，在執行寫入操作之後，使用兩個Case，對比使不使用wait命令等待傳送到salve的效率，
1，單線程迴圈寫入100000個key值
2，多線程併發，10個線程每個線程寫入10000個key，一共寫入100000個key

Case1:單線程迴圈寫入100000個key值
結論：不使用wait命令，整體耗時33秒，集群中單個節點的TPS為1000左右；使用wait命令，整體耗時72秒，集群中單個節點的TPS為480左右，整體效率下降了50%多一點

單線程不使用WAIT

單線程使用WAIT（redis_conn.execute_command('wait', 1, 0)）

Case2:多線程迴圈寫入100000個key值
結論：不使用wait命令，整體耗時19秒，集群中單個節點的TPS為1700左右；使用wait命令，整體耗時36秒，集群中單個節點的TPS為900左右，整體效率與單線程基本上一致，下降了50%多一點

多線程不使用WAIT，單節點上TPS可達到1700左右

多線程使用WAIT，單節點上TPS可達到850左右

鑒於在多線程模式下，CPU負載接近於瓶頸，因此不能再加更多的線程數，測試數據也僅供參考。

總結：
wait能夠在主節點寫入命令之後，通過阻塞的方式等待數據傳送到從節點，wait能夠增強（但不保證）數據的安全性。
其代價或者說性能損耗也是不小的，通過以上測試可以看出，即便是不考慮網路傳輸延遲的情況下，其性能損耗也超出了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()

https://redis.io/commands/wait