{"canonical_url":"https://engineer.company/uk/glossary/event-sourcing/","content_markdown":"# Event sourcing\n\n## Що це таке\n\nEvent sourcing — це спосіб зберігати дані, за якого сам запис про те, що\nсталося, і є даними. Більшість застосунків тримає поточний стан замовлення чи\nрахунку в рядку таблиці й перезаписує його за кожної зміни. Застосунок,\nпобудований на event sourcing, натомість зберігає самі зміни: кожну з них\nдописують у журнал як подію, а поточний стан обчислюють із цього журналу тоді,\nколи він потрібен. Мартін Фаулер (Martin Fowler), який описав цей патерн у 2005\nроці, звів його до одного рядка: «Фіксуйте всі зміни стану застосунку як\nпослідовність подій».\n\nПодія фіксує те, що вже відбулося. CQRS Documents Грега Янга (Greg Young)\nвимагають називати кожну подію дієсловом у минулому часі, наприклад\n`CustomerRelocated` чи `CargoShipped`, бо назва є частиною мови, якою бізнес\nговорить про власну роботу. Минуле не скасуєш, тож події ніколи не редагують і\nне видаляють. Янг порівнює журнал із бухгалтерською книгою: помилкову проводку\nтам не витирають, а виправляють новою, і те саме правило він застосовує до\nвидалення. Якщо покупець поклав у кошик дві пари шкарпеток, а потім їх прибрав,\nу журналі з'являється подія про вилучення. Янг називає такий запис сторнуванням\n(reversal transaction): кошик виглядає так, ніби шкарпеток там ніколи не було, а\nжурнал і далі показує, що вони там були.\n\nПодії зберігають у потоках, по одному на кожну сутність, стан якої вони\nописують. Янг спирається на предметно-орієнтоване проєктування (domain-driven\ndesign) і називає таку сутність агрегатом. Кожна подія несе ідентифікатор потоку\nй номер версії, унікальний і послідовний у межах цього потоку, тож порядок подій\nніколи не викликає сумнівів. Щоб завантажити замовлення, застосунок читає його\nподії за версіями й застосовує їх одну за одною. Янг наголошує, як мало\nвимагається від самого сховища: у найпростішому вигляді воно має дві операції —\nпрочитати всі події одного потоку по порядку і дописати до нього нові.\n\nОтже, журнал стає головним джерелом правди. Фаулер зазначає, що офіційним\nзаписом може бути або журнал, або поточний стан. У системі з event sourcing це\nжурнал, а все інше — таблиця поточних залишків, пошуковий індекс, звіт — лише\nпохідні копії, які можна викинути й побудувати заново.\n\n## Чому це важливо\n\nФаулер називає три можливості, які дає повний журнал. Повна перебудова: увесь\nстан застосунку можна відкинути й відтворити, програвши всі події на порожньому\nзастосунку. Часовий запит: стан на будь-який момент у минулому є результатом\nпрогравання подій до цього моменту. І повторне програвання: якщо подія виявилася\nхибною, система може відкотити її разом з усіма наступними, а тоді програти\nвиправлену послідовність. Той самий журнал — це ще й журнал аудиту, про який\nнікому не довелося пам'ятати, і Фаулер згадує підтримку та налагодження як\nщоденні застосування: служба підтримки бачить, що саме зробив користувач, а\nрозробник може програти події з продакшну в тестовому середовищі.\n\nЯнг показує вигоду на прикладі двох команд великого інтернет-магазину. Обидві\nотримують завдання зробити звіт про товари, які покупці кладуть у кошик, а потім\nприбирають. Команда, що зберігає лише поточний стан, починає фіксувати такі\nвипадки зараз, і її звіт має дані від цього дня. Команда, що зберігає події,\nпише ту саму логіку звіту й проганяє її по журналу від самого початку, тож її\nперший звіт сягає на роки назад. На запитання, про яке ніхто не думав під час\nпобудови системи, усе одно можна відповісти, бо система зберегла те, що сталося,\nа не лише те, чим усе закінчилося.\n\nПодії — це також спосіб, у який інші системи дізнаються про зміну. Янг помічає,\nщо багато систем зберігають свій стан, а потім публікують подію в чергу, і\nстрого кажучи, це потребує двофазної фіксації (two-phase commit) між ними, бо\nзбій посередині лишає їх у незгоді. Його альтернатива — вважати чергою саме\nсховище подій: порядковий номер на кожній події дає окремому процесу змогу\nпублікувати події по порядку, тож запис лише один. А оскільки сховище тільки\nдописує, його легше масштабувати. Янг зауважує, що сховищу, яке лише дописує,\nпотрібно набагато менше блокувань, ніж тому, що оновлює дані на місці, і що\nідентифікатор агрегату — єдиний ключ, за яким сховище подій узагалі доводиться\nрозділяти на партиції.\n\nЦіна теж реальна, і Фаулер її називає. Подавати кожну зміну як подію — стиль\nпрограмування, з яким комфортно не всім, а додати цей патерн згодом до системи,\nяку будували без нього, дуже важко. До того ж сховище відповідає лише на один\nтип запитань: «дай мені цей потік». Власний приклад Янга: сховище подій не\nскаже, яких користувачів звуть Грег. Для таких запитань потрібна окрема модель\nчитання, побудована з подій, і тому Янг розглядає event sourcing і CQRS, тобто\nрозділення моделей для запису й читання, як пару.\n\n## Як це виглядає на практиці\n\nНайменше робоче сховище подій — одна таблиця в PostgreSQL, близька до схеми, яку\nдає Янг: ідентифікатор агрегату, дані події та версія. Тут вона тримає залишок\nодного товару в продажу. Кожна подія несе зміну кількості одиниць у продажу, а\nне новий підсумок, бо саме таку форму Фаулер називає найпростішою для\nскасування: «додай десять» скасовується відніманням десяти, а «встанови 110» уже\nвтратило значення, яке замінило.\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,  -- зміна кількості в продажу\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-- поточний стан: згорнути весь потік\nSELECT sum(units) AS on_sale FROM stock_events\nWHERE item_id = 'item-881';                    -- 99\n\n-- часовий запит: товар таким, яким він був після версії 2\nSELECT sum(units) AS on_sale FROM stock_events\nWHERE item_id = 'item-881' AND version \u003c= 2;   -- 98\n```\n\nПервинний ключ виконує ту роботу, яку Янг доручає оптимістичній перевірці\nконкурентності. Два оформлення замовлення, що обидва прочитали потік на версії 5\nі обидва вирішили зарезервувати одиницю, намагаються дописати версію 6:\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-- друга вставка падає: (item-881, 6) вже існує\n```\n\nДокументація PostgreSQL описує первинний ключ на кількох стовпцях як вимогу\nунікальності їхньої комбінації, а вставка, що повторила б її, завершується\nпомилкою. Оформлення, яке програло, перечитує потік, перевіряє, чи одиниця ще є\nв продажу, і пробує знову як версія 7. Жодне з них не продало одиниці, якої не\nбуло, а журнал показує обидва рішення в тому порядку, в якому їх ухвалили.\n\nНотатка\n[Продати останній квиток рівно один раз](/uk/notes/selling-limited-stock-without-overselling/)\nрозбирає ту саму задачу із залишками й показує, де ця схема стає тісною. Її\nперша відповідь тримає лічильник в одному рядку і змінює його одним умовним\n`UPDATE`, а оптимістичне блокування на гарячому лічильнику вона не радить, бо\nстовпець версії перетворює конкуренцію на повтори. Для найгарячішого товару вона\nкладе кожен запит в один розділ Kafka, який читає єдиний споживач: він тримає\nлічильник у пам'яті й фіксує рішення пакетами, і нотатка називає це архітектурою\nв стилі LMAX. Стаття Фаулера про архітектуру LMAX, на яку посилається нотатка,\nописує event sourcing у найчистішому вигляді: торговий рушій зовсім без бази\nданих, увесь стан якого можна вивести з вхідних подій, а ці події надійно\nзберігає журналювальник, щоб їх можна було програти знову. Оформлення замовлення\nв нотатці використовує події іншого роду. Кожен крок записує повідомлення в\nтаблицю outbox, change data capture публікує його далі, а таблиці лишаються\nголовним записом. Там події оголошують про зміни; в event sourcing події і є\nзаписом.\n\n## Де виникають проблеми\n\n**Повторне програвання повторює побічні ефекти.** Обробник, що надсилає\nпідтвердження замовлення чи списує гроші з картки, зробить це знову, коли журнал\nпрограють, і Фаулер наголошує, що зовнішні системи не відрізнять програвання від\nсправжньої обробки. Перебудова моделі читання може тоді розіслати кожному\nклієнтові торішні листи. Ставте кожну зовнішню систему за шлюз, який знає, коли\nзастосунок програє журнал, і на цей час відкидає вихідні виклики, тож доменній\nлогіці не треба про це знати. Запити потребують тієї ж уваги: приклад Фаулера —\nконвертація валют, де програна подія має взяти курс свого дня, а не\nсьогоднішній, тож шлюз повинен зберігати отримані відповіді й повертати їх під\nчас програвання.\n\n**Завантажений потік тоне в повторах.** Оптимістична конкурентність припускає,\nщо конфлікти рідкісні. Коли багато записувачів дописують в один потік водночас,\nкожен конфлікт означає перечитати потік і спробувати ще раз, а під час\nсплеску трафіку самі повтори стають навантаженням — саме від цього застерігає нотатка\nвище щодо стовпців версії. Нарізайте потоки так, щоб в одного рідко було два\nзаписувачі одночасно: потік на замовлення, а не один на цілу товарну групу. Якщо\nокремий потік справді гарячий, дайте йому єдиного записувача, як у дизайні LMAX,\nі конфліктувати стане нікому.\n\n**Довгі потоки завантажуються повільно.** Програвати тисячі подій, щоб\nзавантажити один об'єкт, означає витрачати час на кожен запит, і Фаулер називає\nповільну перебудову серед причин зберігати копію поточного стану. Відповідь Янга\n— ковзний знімок (rolling snapshot): серіалізований стан потоку на відомій\nверсії, що лежить в окремій таблиці й записується у фоні окремим процесом, тож\nзавантаження означає найновіший знімок плюс події після його версії. Не тримайте\nзнімки в самому журналі подій: Янг описує, як процес, що їх робить, на\nзавантаженому потоці знову й знову провалює перевірку конкурентності. Він також\nрадить починати без знімків, бо їх завжди можна додати пізніше, щоб пришвидшити\nзавантаження.\n\n**Моделі читання відстають.** Кожну модель читання будують із подій уже після\nтого, як їх записано, тож вона йде позаду журналу. Фаулер попереджає, що\nсистеми, які читають журнал, легко розходяться з ним, а користувач, який\nнадіслав форму й побачив список без своєї зміни, надішле її вдруге. Нехай кожна\nмодель читання записує останню застосовану подію, щоб відставання можна було\nвиміряти, а модель перебудувати з нуля, і показуйте користувачеві результат його\nвласної команди з відповіді на цю команду, а не з моделі читання, яка ще могла\nїї не наздогнати.\n\n## Що почитати далі\n\n- [Event Sourcing](https://martinfowler.com/eaaDev/EventSourcing.html)\n  — опис патерну від Мартіна Фаулера: повна перебудова, часові запити, повторне\n  програвання і шлюзи, що не пускають програвання до інших систем.\n- [CQRS Documents by Greg Young](https://cqrs.wordpress.com/wp-content/uploads/2010/11/cqrs_documents.pdf)\n  — події як факти в минулому часі, сторнування замість видалення, сховище подій\n  із двох таблиць, ковзні знімки і сховище подій як черга.\n- [The LMAX Architecture](https://martinfowler.com/articles/lmax.html)\n  — торговий рушій у пам'яті, увесь стан якого виводиться з журнальованих\n  вхідних подій.\n- [PostgreSQL: Constraints](https://www.postgresql.org/docs/current/ddl-constraints.html)\n  — обмеження унікальності й первинного ключа на кількох стовпцях, тобто\n  половина оптимістичної перевірки конкурентності на боці бази даних.\n\n\u003chttps://engineer.company/uk/glossary/event-sourcing/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Як event sourcing зберігає кожну зміну як подію і виводить стан із журналу, що це дає команді і чотири способи, як воно ламається.","formats":{"gemtext":"https://engineer.company/uk/glossary/event-sourcing/index.gmi","gopher":"https://engineer.company/uk/glossary/event-sourcing/gophermap","html":"https://engineer.company/uk/glossary/event-sourcing/","json":"https://engineer.company/uk/glossary/event-sourcing/index.json","markdown":"https://engineer.company/uk/glossary/event-sourcing/index.md","pdf":"https://engineer.company/uk/glossary/event-sourcing/index.pdf"},"kind":"page","language":"uk","title":"Що таке event sourcing?","url":"https://engineer.company/uk/glossary/event-sourcing/","version":1}