{"canonical_url":"https://engineer.company/de/glossary/event-sourcing/","content_markdown":"# Event Sourcing\n\n## Was es ist\n\nEvent Sourcing ist eine Art der Datenspeicherung, bei der die Aufzeichnung des\nGeschehenen selbst die Daten bildet. Die meisten Anwendungen halten den aktuellen\nZustand einer Bestellung oder eines Kontos in einer Zeile und überschreiben ihn\nbei jeder Änderung. Eine Anwendung mit Event Sourcing hält stattdessen die\nÄnderungen fest: Jede wird als Ereignis an ein Log angehängt. Der aktuelle\nZustand wird bei Bedarf aus diesem Log ermittelt. Martin Fowler beschrieb das\nMuster 2005 in einem Satz: „Alle Änderungen am Zustand einer Anwendung als eine\nFolge von Ereignissen erfassen.“\n\nEin Ereignis hält etwas fest, das bereits geschehen ist. Greg Young verlangt in\nseinen CQRS Documents, jedes Ereignis mit einem Verb in der Vergangenheitsform\nzu benennen, etwa `CustomerRelocated` oder `CargoShipped`. Der Name ist Teil der\nSprache, mit der das Unternehmen über seine eigene Arbeit spricht. Eine Tatsache\naus der Vergangenheit lässt sich nicht ungeschehen machen. Ereignisse werden\ndaher nie bearbeitet oder entfernt. Young vergleicht das Log mit einem\nBuchhaltungsjournal: Ein falscher Eintrag wird nicht ausradiert, sondern durch\neinen neuen korrigiert. Dieselbe Regel wendet er auf das Löschen an. Nimmt ein\nKunde zwei Paar Socken wieder aus dem Warenkorb, erhält das Log ein Ereignis\n„entfernt“. Young nennt einen solchen Eintrag eine Umkehrung: Der Warenkorb ist\nanschließend so, als wären die Socken nie hinzugefügt worden, während das Log\nweiterhin zeigt, dass es geschehen ist.\n\nDie Ereignisse liegen in Streams, jeweils einem pro Gegenstand, dessen Zustand\nsie beschreiben. Young baut auf Domain-Driven Design auf und nennt diesen\nGegenstand ein Aggregat. Jedes Ereignis trägt die ID des Streams und eine darin\neindeutige, fortlaufende Versionsnummer. Über die Reihenfolge besteht deshalb\nnie Zweifel. Um eine Bestellung zu laden, liest die Anwendung deren Ereignisse\nnach Version und wendet sie nacheinander an. Young betont, wie wenig der Speicher\nselbst tun muss: Im einfachsten Fall bietet er zwei Operationen, alle Ereignisse\neines Streams in Reihenfolge zu lesen und neue daran anzuhängen.\n\nDamit wird das Log zur maßgeblichen Datenquelle. Fowler merkt an, dass entweder\ndas Log oder der aktuelle Zustand der offizielle Datenbestand sein kann. In\neinem System mit Event Sourcing ist es das Log. Alles andere, eine Tabelle\naktueller Kontostände, ein Suchindex oder ein Bericht, ist eine daraus abgeleitete\nKopie, die verworfen und neu aufgebaut werden kann.\n\n## Warum es wichtig ist\n\nFowler nennt drei Möglichkeiten, die ein vollständiges Log eröffnet. Ein\nvollständiger Neuaufbau: Der Anwendungszustand lässt sich verwerfen und durch\ndas erneute Abspielen aller Ereignisse in einer leeren Anwendung wiederherstellen.\nEine zeitbezogene Abfrage: Der Zustand zu einem früheren Zeitpunkt ergibt sich\naus dem Abspielen der Ereignisse bis dahin. Und das erneute Abspielen von\nEreignissen: Stellt sich eines als falsch heraus, kann das System dieses und\ndie nachfolgenden rückgängig machen und dann die korrigierte Folge erneut\nabspielen. Dasselbe Log ist auch eine Prüfspur, an deren Erstellung niemand\nextra denken musste. Fowler nennt Support und Fehlersuche als alltägliche\nAnwendungen: Ein Supportteam kann genau sehen, was ein Nutzer getan hat, und\neine Entwicklerin oder ein Entwickler kann Produktionsereignisse in einer\nTestumgebung erneut abspielen.\n\nYoung zeigt den Nutzen an zwei Teams eines Onlinehändlers. Beide sollen einen\nBericht über Artikel erstellen, die Kunden aus ihren Warenkörben entfernen.\nDas Team, das nur den aktuellen Zustand speichert, beginnt jetzt mit dem\nAufzeichnen der Entnahmen. Sein Bericht enthält Daten ab diesem Tag. Das Team,\ndas Ereignisse speichert, schreibt dieselbe Berichtsfunktion und lässt sie\ndas Log von Anfang an verarbeiten. Schon sein erster Bericht reicht dadurch Jahre zurück.\nEine Frage, an die beim Bau des Systems niemand dachte, lässt sich dennoch\nbeantworten, weil das System das Geschehene statt nur seines Endzustands festhielt.\n\nÜber Ereignisse erfahren auch andere Systeme von einer Änderung. Young beobachtet,\ndass viele Systeme ihren Zustand speichern und dann ein Ereignis in einer Queue\nveröffentlichen. Streng genommen erfordere das einen Zwei-Phasen-Commit zwischen\nbeiden, weil ein Absturz dazwischen widersprüchliche Zustände hinterlässt. Seine\nAlternative ist, den Ereignisspeicher selbst als Queue zu behandeln. Eine\nSequenznummer an jedem Ereignis ermöglicht einem separaten Prozess, sie in\nReihenfolge zu veröffentlichen; damit bleibt nur ein Schreibvorgang. Weil der\nSpeicher nur Anhängen erlaubt, lässt er sich zudem leichter skalieren. Young\nmerkt an, dass ein solcher Speicher deutlich weniger Sperren braucht als einer,\nder bestehende Daten aktualisiert. Die Aggregat-ID ist außerdem der einzige\nSchlüssel, nach dem ein Ereignisspeicher jemals partitioniert werden muss.\n\nDie Kosten sind real, und Fowler benennt sie. Jede Änderung als Ereignis zu\nverpacken ist ein Programmierstil, mit dem sich nicht alle wohlfühlen. Das Muster\nlässt sich nur sehr schwer nachträglich in ein System einbauen, das nicht darauf\nausgelegt wurde. Der Speicher beantwortet außerdem nur eine Art von Frage:\n„Gib mir diesen Stream.“ Youngs Beispiel: Ein Ereignisspeicher kann nicht sagen,\nwelche Nutzer Greg heißen. Solche Fragen brauchen ein separates, aus den\nEreignissen aufgebautes Lesemodell. Deshalb behandelt er Event Sourcing und\nCQRS, die Trennung der Modelle zum Schreiben und Lesen, als zusammengehörig.\n\n## Wie es in der Praxis aussieht\n\nDer kleinste funktionsfähige Ereignisspeicher ist eine einzelne PostgreSQL-Tabelle,\nnahe an Youngs Aufbau mit Aggregat-ID, Ereignisdaten und Version. Hier hält sie\nden zum Verkauf stehenden Bestand eines Artikels fest. Jedes Ereignis enthält\neine Änderung der angebotenen Stückzahl statt der neuen Gesamtsumme. Fowler\nnennt diese Form die am einfachsten umkehrbare: „Zehn hinzufügen“ wird durch\ndas Abziehen von zehn rückgängig gemacht, während „auf 110 setzen“ den ersetzten\nWert verloren hat.\n\n```sql\nCREATE TABLE stock_events (\n    item_id  text    NOT NULL,\n    version  integer NOT NULL,\n    event    text    NOT NULL,\n    order_id text,\n    units    integer NOT NULL,  -- change to the units on sale\n    PRIMARY KEY (item_id, version)\n);\n\nINSERT INTO stock_events VALUES\n    ('item-881', 1, 'ItemStocked',   NULL,   100),\n    ('item-881', 2, 'UnitsHeld',     'A-17',  -2),\n    ('item-881', 3, 'HoldExpired',   'A-17',   2),\n    ('item-881', 4, 'UnitsHeld',     'B-02',  -1),\n    ('item-881', 5, 'HoldConfirmed', 'B-02',   0);\n\n-- current state: fold the whole stream\nSELECT sum(units) AS on_sale FROM stock_events\nWHERE item_id = 'item-881';                    -- 99\n\n-- temporal query: the item as it stood after version 2\nSELECT sum(units) AS on_sale FROM stock_events\nWHERE item_id = 'item-881' AND version \u003c= 2;   -- 98\n```\n\nDer Primärschlüssel übernimmt die von Young vorgesehene optimistische\nNebenläufigkeitsprüfung. Lesen zwei Kaufabschlüsse den Stream bei Version 5\nund entscheiden beide, ein Stück zu reservieren, versuchen beide, Version 6\nanzuhängen:\n\n```sql\nINSERT INTO stock_events VALUES ('item-881', 6, 'UnitsHeld', 'C-40', -1);\nINSERT INTO stock_events VALUES ('item-881', 6, 'UnitsHeld', 'D-11', -1);\n-- the second fails: (item-881, 6) already exists\n```\n\nDie PostgreSQL-Dokumentation beschreibt einen Primärschlüssel über mehrere\nSpalten so, dass er diese Kombination eindeutig macht. Ein Einfügevorgang,\nder sie duplizieren würde, löst einen Fehler aus. Der unterlegene Kaufabschluss\nlädt den Stream erneut, prüft, ob noch ein Stück zum Verkauf steht, und versucht\nes als Version 7 noch einmal. Keiner hat je ein nicht vorhandenes Stück verkauft,\nund das Log zeigt beide Entscheidungen in ihrer Reihenfolge.\n\nDie Notiz\n[Das letzte Ticket genau einmal verkaufen](/de/notes/selling-limited-stock-without-overselling/)\nbehandelt dasselbe Bestandsproblem und zeigt die Grenzen dieses Aufbaus. Ihre\nerste Lösung hält die Anzahl in einer Zeile und ändert sie mit einem einzelnen\nbedingten `UPDATE`. Sie rät bei einem stark umkämpften Zähler von optimistischen\nSperren ab, weil eine Versionsspalte Konflikte in Wiederholungsversuche verwandelt.\nFür den am stärksten nachgefragten Artikel legt sie jede Anfrage auf eine\nKafka-Partition. Ein einzelner Konsument liest sie, hält den Bestand im Speicher\nund schreibt seine Entscheidungen gesammelt fest. Die Notiz nennt das den\nLMAX-Aufbau. Fowlers Artikel über die LMAX-Architektur, eine ihrer Quellen,\nbeschreibt Event Sourcing in Reinform: eine Handelsengine ohne Datenbank,\nderen gesamter Zustand sich aus ihren Eingabeereignissen ableiten lässt. Ein\nJournalprozess speichert diese dauerhaft, damit sie erneut abgespielt werden\nkönnen. Der Kaufabschluss in der Notiz verwendet Ereignisse anderer Art. Jeder\nSchritt schreibt eine Nachricht in eine Outbox-Tabelle, Change Data Capture\nveröffentlicht sie, und die Tabellen bleiben die maßgebliche Datenquelle. Diese\nEreignisse kündigen Änderungen an; bei Event Sourcing sind die Ereignisse selbst\nder maßgebliche Datenbestand.\n\n## Wo es schiefgeht\n\n**Das erneute Abspielen des Logs wiederholt auch seine Nebenwirkungen.** Eine\nVerarbeitungsfunktion, die eine Bestätigungsmail sendet oder eine Karte belastet,\ntut das beim erneuten Abspielen wieder. Fowler weist darauf hin, dass externe\nSysteme eine Wiederholung nicht von echter Arbeit unterscheiden können. Der\nNeuaufbau eines Lesemodells kann dann jedem Kunden die E-Mails des letzten\nJahres erneut schicken. Setzen Sie vor jedes externe System ein Gateway, das\nweiß, wann die Anwendung Ereignisse erneut abspielt, und dabei ausgehende\nAufrufe verwirft. Die Domänenlogik muss davon dann nichts wissen. Abfragen\nbrauchen dieselbe Sorgfalt: Fowlers Beispiel ist eine Währungsumrechnung, bei\nder ein erneut abgespieltes Ereignis den Wechselkurs seines eigenen Tages\nbraucht, nicht den heutigen. Das Gateway sollte deshalb empfangene Antworten\naufzeichnen und beim erneuten Abspielen zurückgeben.\n\n**Ein viel genutzter Stream erzeugt Wiederholungsversuche.** Optimistische\nNebenläufigkeitskontrolle setzt seltene Konflikte voraus. Fügen viele Schreiber\ngleichzeitig Ereignisse an einen Stream an, bedeutet jeder Konflikt erneutes Laden und\neinen weiteren Versuch. Bei einer Lastspitze werden die Wiederholungsversuche\nselbst zur Last. Genau davor warnt die obige Notiz bei Versionsspalten.\nSchneiden Sie Streams so zu, dass sie selten zwei gleichzeitige Schreiber\nhaben: ein Stream pro Bestellung statt einer für eine ganze Produktlinie.\nIst ein einzelner Stream tatsächlich stark umkämpft, geben Sie ihm wie im\nLMAX-Entwurf einen einzigen Schreiber. Dann kann nichts mehr kollidieren.\n\n**Lange Streams laden langsam.** Tausende Ereignisse zum Laden eines Objekts\nerneut abzuspielen kostet bei jeder Anfrage Zeit. Fowler zählt langsamen\nNeuaufbau zu den Gründen, eine Kopie des aktuellen Zustands zu halten. Youngs\nAntwort ist der fortlaufende Snapshot: der serialisierte Zustand eines Streams\nbei einer bekannten Version, in einer eigenen Tabelle gehalten und im\nHintergrund von einem separaten Prozess geschrieben. Zum Laden braucht es dann\nden neuesten Snapshot und die Ereignisse nach dessen Version. Halten Sie\nSnapshots aus dem Ereignislog selbst heraus. Young beschreibt, wie ein\nSnapshot-Prozess bei einem viel genutzten Stream immer wieder an seiner\nNebenläufigkeitsprüfung scheitert. Er empfiehlt außerdem, zunächst ohne\nSnapshots zu bauen, weil sie sich später jederzeit ergänzen lassen, um das\nLaden zu beschleunigen.\n\n**Leser hinken dem Schreiber hinterher.** Jedes Lesemodell entsteht erst nach\ndem Schreiben aus den Ereignissen und liegt daher hinter dem Log zurück.\nFowler warnt, dass Systeme, die das Log lesen, leicht nicht auf dessen Stand\nsind. Wer ein Formular abschickt und danach eine Liste ohne die Änderung sieht,\nschickt es erneut ab. Lassen Sie jedes Lesemodell das zuletzt angewendete\nEreignis festhalten, damit seine Verzögerung messbar wird und es von Anfang an\nneu aufgebaut werden kann. Zeigen Sie Nutzern das Ergebnis ihres eigenen\nBefehls aus dessen Antwort statt aus einem möglicherweise noch nicht\naktuellen Lesemodell.\n\n## Weiterführende Lektüre\n\n- [Event Sourcing](https://martinfowler.com/eaaDev/EventSourcing.html)\n  — Martin Fowlers Beschreibung des Musters: vollständiger Neuaufbau,\n  zeitbezogene Abfragen, erneutes Abspielen und Gateways, die Wiederholungen von\n  anderen Systemen fernhalten.\n- [CQRS Documents von Greg Young](https://cqrs.wordpress.com/wp-content/uploads/2010/11/cqrs_documents.pdf)\n  — Ereignisse als Tatsachen in der Vergangenheitsform, Umkehrung statt Löschen,\n  ein Ereignisspeicher aus zwei Tabellen, fortlaufende Snapshots und der\n  Ereignisspeicher als Queue.\n- [Die LMAX-Architektur](https://martinfowler.com/articles/lmax.html)\n  — eine Handelsengine im Arbeitsspeicher, deren gesamter Zustand aus\n  protokollierten Eingabeereignissen abgeleitet wird.\n- [PostgreSQL: Integritätsbedingungen](https://www.postgresql.org/docs/current/ddl-constraints.html)\n  — Eindeutigkeits- und Primärschlüsselbedingungen über mehrere Spalten, die\n  Datenbankseite einer optimistischen Nebenläufigkeitsprüfung.\n\n\u003chttps://engineer.company/de/glossary/event-sourcing/\u003e\n","date_modified":"2026-11-08T09:42:23Z","description":"Wie Event Sourcing jede Änderung als Ereignis speichert, daraus den Zustand ableitet, was ein Team dadurch gewinnt und wo vier typische Probleme liegen.","formats":{"gemtext":"https://engineer.company/de/glossary/event-sourcing/index.gmi","gopher":"https://engineer.company/de/glossary/event-sourcing/gophermap","html":"https://engineer.company/de/glossary/event-sourcing/","json":"https://engineer.company/de/glossary/event-sourcing/index.json","markdown":"https://engineer.company/de/glossary/event-sourcing/index.md","pdf":"https://engineer.company/de/glossary/event-sourcing/index.pdf"},"kind":"page","language":"de","title":"Was ist Event Sourcing?","url":"https://engineer.company/de/glossary/event-sourcing/","version":1}