イベントソーシング

どのようなものか

イベントソーシングは、何が起きたかの記録そのものをデータとする保存方
式です。多くのアプリは、注文や口座の現在の状態を一行に置き、変更のた
びに上書きします。イベントソーシングでは、代わりに変更を保存します。
各変更をイベントとしてログの末尾へ加え、現在の状態が必要になったら、
そのログから求めます。2005年にこのパターンを説明したMartin
Fowlerは、一文で表しました。「アプリケーションの状態へのすべての変更
を、一連のイベントとして記録する」。

イベントが記録するのは、すでに起きたことです。Greg YoungのCQRS
Documentsは、`CustomerRelocated`や`CargoShipped`のように、過去形の動
詞でイベントへ名前を付けるよう求めます。名前が、事業側が自分たちの仕
事を語る言葉の一部になるためです。過去の事実を、起きなかったことには
できません。そのため、イベントは編集も削除もしません。Youngは、ログ
を会計の元帳に例えます。誤った記入を消すのではなく、新しい記入で訂正
します。削除にも同じ規則を使います。客が、一度入れた靴下二足をカート
から取り除くと、ログへ「取り除いた」というイベントを加えます。Young
は、このような記録を逆操作と呼びます。カートは、靴下を一度も入れな
かったのと同じ状態へ戻りますが、ログには、入れた事実も残ります。

イベントは、状態を表す対象一つごとに、一つのストリームへ保存します。
ドメイン駆動設計を土台にするYoungは、その対象を集約と呼びます。各イ
ベントには、ストリームのIDと、そのストリーム内で一意の連続するバー
ジョン番号があります。そのため、順序が曖昧になりません。注文を読み込
むには、その注文のイベントをバージョン順に読み、一つずつ適用します。
Youngは、保存機構自体がする仕事の少なさを指摘します。最も単純なもの
は、一つのストリームの全イベントを順に読むことと、新しいイベントを末
尾へ加えることの、二つの操作を提供します。

ログが、正本になります。Fowlerによると、正式な記録は、ログにも現在の
状態にもできます。イベントソーシングでは、ログです。現在残高のテーブ
ル、検索索引、レポートなど、それ以外は、ログから作った複製です。捨て
て、作り直せます。

なぜ重要なのか

Fowlerは、完全なログが可能にする、三つのことを挙げます。完全な再構築
では、アプリの状態を捨て、空のアプリへ全イベントを再生して、作り直せ
ます。時点を指定する問い合わせでは、任意の過去の瞬間の状態が、その時
点までイベントを再生した結果になります。イベントの再生では、誤ったイ
ベントが判明したら、それと以後のイベントを逆操作で戻し、訂正した順序
を再生できます。同じログは、誰も書き残すことを意識せずに得られた監査
証跡でもあります。Fowlerは、日常の用途にサポートとデバッグを挙げま
す。サポート担当者は、利用者が何をしたかを正確に見られ、開発者は、本
番のイベントをテスト環境で再生できます。

Youngは、オンライン小売店の二つのチームで、利点を示します。どちら
も、客がカートから取り除く商品について、レポートを求められます。現在
の状態しか保存しないチームは、今から削除を記録し始め、その日以降の
データしか出せません。イベントを保存するチームは、同じレポートの処理
を書き、ログを最初から処理します。初めてのレポートでも、何年もさかの
ぼれます。システムを作ったときに誰も考えなかった問いにも、答えられま
す。最終状態ではなく、起きたことを残していたためです。

イベントは、ほかのシステムが変更を知る方法でもあります。Youngによる
と、多くのシステムは、状態を保存してから、キューへイベントを発行しま
す。間でクラッシュすると両者が食い違うため、厳密には、その二つの間に
二相コミットが必要です。代案は、イベントストア自体をキューにすること
です。各イベントのシーケンス番号で、別のプロセスが順に発行でき、書き
込みは一回だけになります。追記だけの保存なので、規模も広げやすくなり
ます。Youngは、既存データを上書きする保存より、必要なロックがはるか
に少なく、イベントストアを分割するときに使うキーも、集約IDだけでよい
と述べます。

代償もあり、Fowlerは明記します。すべての変更をイベントにするプログラ
ミングのやり方は、誰もが扱いやすいものではありません。最初からそれを
前提にしなかったシステムへ、後で加えるのも、非常に困難です。保存機構
が答える問いも、「このストリームを返して」という一種類だけです。
Youngの例では、イベントストアに、Gregという名前の利用者が誰かを聞い
ても、分かりません。その問いには、イベントから作る、別の読み取りモデ
ルが必要です。そのため、書くモデルと読むモデルを分けるCQRSと、イベン
トソーシングを、一組として扱います。

実際の活用例

動作する最小構成のイベントストアは、Youngの示す、集約ID、イベント
データ、バージョンという形に近い、一つのPostgreSQLテーブルです。ここ
では、売りに出す一商品の在庫を保持します。各イベントが持つのは、新し
い合計ではなく、販売可能数の変化です。Fowlerが、最も素直に逆操作でき
るとする形です。「十を足す」は、十を引けば戻せます。「110にする」で
は、置き換えた元の値を失っています。

```sql
CREATE TABLE stock_events (
    item_id  text    NOT NULL,
    version  integer NOT NULL,
    event    text    NOT NULL,
    order_id text,
    units    integer NOT NULL,  -- 販売可能数の変化
    PRIMARY KEY (item_id, version)
);

INSERT INTO stock_events VALUES
    ('item-881', 1, 'ItemStocked',   NULL,   100),
    ('item-881', 2, 'UnitsHeld',     'A-17',  -2),
    ('item-881', 3, 'HoldExpired',   'A-17',   2),
    ('item-881', 4, 'UnitsHeld',     'B-02',  -1),
    ('item-881', 5, 'HoldConfirmed', 'B-02',   0);

i-- 現在の状態：ストリーム全体を集計する		engineer.company	70
SELECT sum(units) AS on_sale FROM stock_events
WHERE item_id = 'item-881';                    -- 99

i-- 時点を指定する問い合わせ：バージョン2の直後の商品状態		engineer.company	70
SELECT sum(units) AS on_sale FROM stock_events
WHERE item_id = 'item-881' AND version <= 2;   -- 98
```

主キーが、Youngのいう楽観的な同時実行の検査を担います。二つの購入処
理が、どちらもバージョン5でストリームを読み、一個を確保しようとする
と、それぞれバージョン6を末尾へ加えようとします。

```sql
INSERT INTO stock_events VALUES ('item-881', 6, 'UnitsHeld', 'C-40', -1);
INSERT INTO stock_events VALUES ('item-881', 6, 'UnitsHeld', 'D-11', -1);
i-- 二つ目は失敗する：(item-881, 6)が既に存在する		engineer.company	70
```

PostgreSQLの文書では、複数の列にまたがる主キーは、その組み合わせを一
意にし、重複する挿入はエラーになると説明します。負けた購入処理はスト
リームを読み直し、まだ一個売れるかを確かめ、バージョン7で再試行しま
す。どちらも、存在しない在庫を売っていません。ログには、両方の判断
が、実際の順序で残ります。

ノート最後のチケットを、厳密に一回だけ売るは、同じ在庫の問題を検討
し、この構成の限界を示します。最初の答えは、一行へ個数を置き、一つの
条件付き`UPDATE`で変える方法です。競合の激しいカウンターでは、バー
ジョン列が競合を再試行へ変えるため、楽観的ロックを勧めません。最もリ
クエストが集中する商品には、すべてのリクエストを一つのKafkaパーティ
ションへ置き、一つのコンシューマーが読み、個数をメモリー内に保持し、
判断をバッチで確定します。ノートは、これをLMAX型と呼びます。出典の一
つであるFowlerのLMAXアーキテクチャーの記事は、最も純粋なイベントソー
シングを説明します。データベースをまったく持たない取引エンジンで、状
態全体を、入力イベントから導けます。ジャーナル処理が入力イベントを永
続保存するため、再生できます。一方、ノートの購入処理は、別種のイベン
トを使います。各段階がアウトボックステーブルへメッセージを書き、変更
データキャプチャーが発行します。正本は、テーブルのままです。そのイベ
ントは、変更の知らせです。イベントソーシングでは、イベント自体が正本
になります。

問題が起きるところ

ログの再生で、副作用も繰り返します。
確認メールを送ったり、カードへ請求したりする処理は、ログを再生する
と、もう一度行います。Fowlerは、外部システムには、再生と本当の業務を
区別できないと指摘します。読み取りモデルを作り直すだけで、全顧客へ、
昨年のメールを送り直しかねません。すべての外部システムを、アプリが再
生中であることを把握するゲートウェイの背後へ置き、再生中の外向きの呼
び出しを捨てます。ドメインロジックは、それを知る必要がなくなります。
問い合わせにも、同じ配慮が必要です。Fowlerの例は、通貨換算です。再生
したイベントには、今日ではなく、そのイベントの日の為替レートが必要で
す。そのため、ゲートウェイは、受け取った答えを記録し、再生時に返すべ
きです。

混み合うストリームで、再試行が増えます。
楽観的な同時実行制御は、競合が少ないことを前提にします。多数の書き手
が、同じストリームへ同時に加えると、競合のたびに読み直しと再試行が必
要です。トラフィックが急増すると、再試行自体が負荷になります。上の
ノートが、バージョン列について警告するのは、この点です。同時に二つの
書き手がいることが少なくなるよう、ストリームを分けます。製品群全体に
一つではなく、注文ごとに一つです。本当に競合が激しいストリームには、
LMAXのように書き手を一つだけ割り当て、競合の相手をなくします。

長いストリームは、読み込みが遅くなります。
一つのオブジェクトを読むため、何千ものイベントを再生すると、リクエス
トのたびに時間がかかります。Fowlerは、再構築の遅さを、現在状態の複製
を保持する理由に挙げます。Youngの答えは、更新していくスナップショッ
トです。既知のバージョンでのストリームの状態をシリアライズし、専用
テーブルに置き、別プロセスがバックグラウンドで書きます。読み込みに
は、最新のスナップショットと、そのバージョンより後のイベントを使いま
す。スナップショットは、イベントログ自体の外へ置きます。Youngは、混
み合うストリームで、スナップショットを作る処理が、同時実行の検査に繰
り返し失敗する例を述べます。最初はスナップショットなしで作ることも勧
めます。読み込みを速めるためなら、後でいつでも加えられるためです。

読み手が、書き手に追い付きません。
読み取りモデルは、イベントを書いた後で作るため、ログより遅れます。
Fowlerは、ログを読むシステムは、その内容とずれやすいと警告します。
フォームを送っても、その変更のない一覧が見えれば、利用者はもう一度送
ります。各読み取りモデルに、最後に適用したイベントを記録させ、遅れを
測り、最初から作り直せるようにします。利用者自身のコマンドの結果は、
まだ追い付いていないかもしれない読み取りモデルではなく、そのコマンド
への応答から見せます。

参考資料

  * イベントソーシング — Martin
Fowlerによる、完全な再構築、時点を指定する問い合わせ、イベントの再
生、ほかのシステムへ再生を届かせないゲートウェイの説明です。

  * Greg YoungのCQRS Documents —
過去形の事実としてのイベント、削除の代わりの逆操作、二つのテーブルか
らなるイベントストア、更新していくスナップショット、キューとしてのイ
ベントストアです。

  * LMAXアーキテクチャー — ジャーナルへ記録した入力イベントから、全
状態を導く、メモリー内の取引エンジンです。

  * PostgreSQL：制約 — 複数の列に対する一意制約と主キー制約、楽観的
な同時実行の検査をデータベース側で担う部分です。

hこのページのウェブ版	URL:https://engineer.company/ja/glossary/event-sourcing/	engineer.company	70
