领域驱动设计：事件溯源架构简介

事件溯源这个概念可能大家都有听说过。近期曾对事件溯源模式进行过相关的调研，以便去解决项目中关于历史数据追溯的需求。调研过程中也学到了一些相关的知识，就整理下来，和各位分享交流。

事件溯源架构通常由3种应用设计模式组成，分别是：事件驱动（Event Driven），事件溯源（Event Source）、CQRS。这三种应用设计模式常见于领域驱动设计（DDD）中，但它们本身是一种应用设计的思想，不仅仅局限于DDD，每一种模式都可以单独拿出来使用。

Event Driven

在开发过程中，大家都经常使用到RocketMQ，其中的消息Message就可以认为是事件Event。事件驱动架构EDA 各位也都不陌生。本次就以事件驱动开始，来介绍事件溯源架构。

事件驱动是通过触发事件的方式，来进行服务间的通信，以达到服务解耦的目的。一般由三个部分组成：Event Provider、Event Router、Event Consumer。

事件驱动有两种处理模式：发布/订阅模式、事件流式处理模式。

• 发布/订阅：发布订阅模式，是比较常见的事件驱动方式，由Provider发布事件，Consumer消费事件。事件在接收后，便无法重播，新加入的Consumer也看不见此事件。

• 事件流式处理：Provider将事件经过排序后，持久化到存储中，Consumer可以读取该流的任何部分，新的Consumer可以随时加入，并可以重播事件。

其中事件流式处理模式中，将事件按顺序持久化，就稍稍带有事件溯源的意思了。不过事件溯源架构中，还是使用的发布/订阅的事件驱动模式。

Event Source

什么是事件溯源

事件溯源的定义

事件溯源是数据持久化的一种方式——对数据只做新增，不做修改和删除。在一些数据变更非常重要的业务场景，如财务、金融领域，可能会使用这种数据持久化方式。

和传统的面向状态的的数据持久化方式相比，事件溯源将每个引发数据变更的动作称之为事件，并把这种事件按照事情发生顺序存储起来。

与事件驱动的区别

事件溯源和事件驱动，都是以事件为本，事件是它们的核心组成部分，在使用事件驱动的时候也是将引发数据变更的动作称为事件，也会经常把事件按照顺序存储下来，所以有时候经常会把这两种模式混淆。

在此先明确下二者的区别：事件驱动是事件为基础，与其他服务边界进行通信。而事件溯源是一种数据持久化方式。

然后我们看下事件溯源的持久化方式，和其他的持久化方式有什么区别。

在涉及资金的领域，账户都是一个基础实体。用户可以进行开户操作，然后进行资金流转。此时会有一个账户余额，来表示该账户从一开始就发生的所有交易的总和。

假如张三开了一个账户，汇入10000¥，汇出1000¥，此后收入了1¥的利息。整个计算步骤如下：0¥ + 10000¥ - 1000¥ + 1¥ = 9001¥ 。我们有哪些方式，来持久化这种账户信息？

面向状态的持久化

面向状态的持久化，是指存储在数据库中的都是系统的当前状态，在进行CURD操作时，会使用新的数据，来替换旧的数据。在开发过程中，我们大多数场景都是使用的这种方式。

如果使用此方式来存储上述数据，我们会得到以下结果：

张三看到自己的账户余额，找到系统的客服，声称自己只有汇入，没有汇出。而系统里只有这一条余额数据，客服一时也不知道张三到底有多少余额。

面向历史的持久化

从各方面来说，数据变更历史都是有很大的价值的。为了不在CURD操作中丢失数据，便需要保留历史数据。通常有两种做法：

1. 在Account表中引入一个Version字段，每一次数据变更旧数据不进行删除，新数据 Version = Version + 1，每次查询时，取Version最大的数据。
2. 创建一个历史表Account_History，每一次数据变更，将变更前的数据保存在历史表中，Account表只保留最新的数据。

在保留历史数据后，我们可以得到以下结果：

有了这些数据，张三就可以看到自己的余额变更历史了。但是张三又找到了客服，想咨询下为什么会多1¥。

可以看到，从账户开户后，每一次数据变更，我们都有相应的记录。 但是或多或少，还是会丢失一些信息，比如事情发生场景的上下文信息。在现实场景，可能就是我们不知道用户做了什么操作，导致数据发生变更。

面向事件的持久化

Change history of entities can allow access to previous states, but ignores the meaning of those changes. ——Eric Evans

实体的变更历史允许我们访问它之前的状态，但是忽略了这些变更的含义。

通常情况下，我们可以结合其他上下文信息，去判断当前上下文中数据变更的含义。比如可以通过交易订单、交易流水、系统日志等方式，来判断是什么原因导致的账户余额变更。

而事件溯源也是一种解决方案，数据溯源本身具有零数据丢失特性。

在事件溯源中，将实体的变更表示为一系列描述具体变化的事件，并将这些事件持久化。通过这些代表着系统变更事实的事件，可以随时获取数据当前的状态。

事件溯源的优缺点

事件溯源的优点，主要是来源于事件的不变性，以及丰富的业务含义。

零数据丢失

在普通的CURD系统中，可能每次操作，都会造成一些数据的丢失：要么是新数据覆盖了旧数据；要么是丢失数据发生变更的上下文。

在事件溯源中，所有的操作都是基于事件去处理的。每一个事件都明确的代表着系统中的某一个操作，并且记录着这项操作所有相关的数据内容，可以清晰的从一个事件流中，看到一条数据的每一次变更，以及变更目的。

如：开户 -> 收款 -> 购买 -> 利息。

重播

事件是按照事情发生顺序，流式排列。我们可以将事件流重定位到某个具体的时间点，重新执行该事件流中的事件，从而进行业务重试、异常分析、测试验证等。

比如在进行测试的时候，我们走完了一个测试流程，下一次再进行回归的时候，只用重播一下相关的事件就行。

由于可以随时对已发生的事件进行重播，所以由事件触发的任何操作，都具备重试、重新构建的能力。

审计

我们有多种用于应对审计的方式，比如：

1. 记录数据变更历史，或者是记录全量数据变更binlog。但是这种方式很难去发掘当时数据变更的场景。
2. 记录用户操作日志。操作日志是能体现出用户具体行为，也包含上下文信息，不过我们一般只是对一些重要操作、重要字段变更，单独记录操作日志。并且由于操作日志只是数据变更的附属品，并不是数据变更本身，我们也很难保证二者的一致性。

而事件溯源将数据存储为一系列不可变的事件，并且带有丰富的上下文信息。这就提供了强大的审计功能。

在事件溯源中，异步优先，力求实现最少的同步交互，也带来了一系列的问题。

非强一致性

应用程序将事件添加到事件存储作为处理请求的结果、发布事件和事件使用者处理事件之间存在一定程度的延迟。 在此期间，描述实体的进一步更改的新事件可能已发生。

事件使用者有更严格的 幂等 要求

事件发布可能至少为一次，因此事件使用者必须是幂等的。 处理不好的话，可能会带来很多问题。

如何定义事件

事件代表已发生的、代表特定业务含义的事实。命名时通常使用“过去式”，如“已开户”AccountOpened。

一个事件一般包含以下元素：

• 事件ID：唯一的事件标识符。
• 事件类型：事件的类型，如“开户事件”。
• 事件流ID：事件流的唯一标识符，如账户ID。在DDD中，通常是一个领域上下文的聚合根。
• 流位置：表示事件在流中的位置，递增编号即可，也可用主键ID代替。
• 时间戳：表示事件发生的时间。
• 事件体：通常存放处理该事件，所需要的上下文数据。

代码示例：

public interface Event {
  /**
* 事件ID
*/
Number getEventId();
  /**
* 事件流ID
*/
Number getStreamId();
  /**
* 事件类型
*/
EventTypeEnum getEventType();
  /**
* 事件发生时间
*/
LocalDateTime getWhen();
  /**
* 事件内容
*/
String getBody();
}
复制代码

public class AccountOpened implements Event, Serializable {

    private static final long serialVersionUID = 6092705941707975469L;
    private long eventId;
    private long streamId;
    private AccountOpenedInfo eventBody;
    private LocalDateTime when = LocalDateTime.now();
    private EventTypeEnum eventType = EventTypeEnum.ACCOUNT_OPENED;

    @Override
    public String eventBody() {
        return JSONUtil.toJSONString(eventBody);
    }

    @Override
    public Class<?> eventBodyCls() {
        return AccountOpenedInfo.class;
    }
}
复制代码

事件组成事件流

多个相关的事件，组成事件流。

在传统的持久化方式下，一个账户对应数据库中的一条记录，我们可以根据账户的ID，去获取该账号的数据实体。

在事件溯源模式下，我们根据账户的ID，会获取到多个数据实体，每一个都是一个具体的事件。也就是说，代表单个账户的的整个事件集，共同有一个代表账户的唯一ID，我们将这个事件集看为一个流(Stream)。

流是系统中单个对象的有序事件集合。每个事件在流中都有的位置（StreamPos），该位置通常由一个递增的数字表示，可以是递增的主键ID，也可以是版本号。

事件组成事件流后，通过流聚合，来获取对象的当前状态。步骤如下：

1. 读取特定流的所有事件。
2. 按出现顺序（按事件的流位置）升序排列它们。
3. 构造实体类型的空对象（例如使用默认构造函数）。
4. 将每个事件应用于实体。

EventSore

根据上面的介绍，我们知道了事件Event和流Stream，并且知道了它们的属性，所以我们可以轻易的在关系型数据库中建立数据实体模型，也就是streamTable和eventTable，这两张表构成了EventStore，我们可以把系统中的所有的事件、流，存储到这个EventStore中。

事件溯源数据库

如果在事件溯源模式下，我们只有这一种写入需求，有什么其他的持久化方式吗？

如果在事件溯源模式下，我们只有这一种写入需求，不存在其他的数据模型。那么现有的数据库对于我们来说，功能是不是太全面了？然后在事件溯源中，有一个“投影” 的概念（下文介绍），传统数据库对这种“投影”的查询模式来说，支持的又稍显不足。

再次回顾一个概念：事件是不可变的并且是不断追加的，新的事件按照事实发生顺序追加到前一条事件后。这种追加写入的方式，又很类似传统数据库中的事务日志。所以，就有人提出了一个“拆分”数据库（“Unbundling DB”）的概念。简单来说，Unbundling DB就是将传统数据库中的“事务日志”流看做最重要的一部分，然后将传统数据库的其他功能进行拆分，拆分成可以灵活组合的模块化组件。

暂时无法在飞书文档外展示此内容

举个例子，Apache Kafka + Apache Samza 就可以看作一个事件存储数据库，Kafka用来存储追加写入的“事务日志”，Samza用来将这些“事务日志”物化成可供查询的视图。

事件存储数据库就是基于Unbundling DB的理念，针对追加写入、发布事件流进行优化的数据库，然后将这些事件“投影”到针对特定查询场景优化的读取模型中。已有的事件存储数据库如：Event Store DB。

上文只介绍了事件溯源的写入方式，简单提到了“投影”，由于事件溯源天然和CQRS相契合，所以在此对CQRS进行一个简单的介绍，并介绍在CQRS + Event Source模式下，如何进行读取。

什么是CQRS

最早提出的是CQS（Command Query Separation 命令查询分离）的概念。它把方法区分为两种类型：

1. Command：命令方法负责修改数据但不返回数据。
2. Query：查询方法只返回数据，不对数据进行修改。

概念比较简单，就算避免一个方法既做写入，又做查询。大家现在写的方法，基本上都符合CQS的理念，在大家平常写的方法上融入命令模式，就是一个标准的CQS。

后续又在CQS的基础上提出了CQRS（Command and Query Responsibility Segregation 命令查询职责分离）的概念。CQS是方法的分离，CQRS是在方法分离的基础上，把一个模型分为两个：读模型、写模型。

CQS是应用开发过程中的开发建议，CQRS是一个应用设计模式。

几种CQRS模式

我们已经知道了CQRS模式本身已经把读写模型分离，然后根据是否将数据存储分离，引申出两种CQRS的架构模式：共享存储下的CQRS、分离存储下的CQRS。

共享存储/共享模型

传统开发过程中，我们可能下意识的把读写方法分离开，但是依然共享着模型。

共享存储/分离模型

共享数据存储，代码中分别针对写入和查询建立不同的模型，写模型只用于写入，读模型只用于查询。避免了共享模型下，为了满足查询需求，在模型中加入许多和写入无关的属性。

分离存储/分离模型

这种架构模型下，存储和模型都是分离的。

写存储和读存储可以是一样的：常见于读写分离，读从库，写主库，读从库时可以针对查询进行优化，比如联表查询。

写存储和读存储也可以是不一样的：写操作使用针对写入进行优化的数据存储设施，读操作使用针对查询进行优化的数据存储设施。

事件溯源下的CQRS

You need to look at CQRS not as being the main thing. CQRS was a product of its time and meant to be a stepping stone towards the ideas of Event Sourcing. ——Greg Young

你需要把 CQRS 看成不是主要的东西。CQRS 是当时的产物，意在成为事件溯源理念的垫脚石。

上面提到了分离存储/分离模型的CQRS架构模式，再回顾下事件存储数据库，就能明白为何CQRS和Event Source天生契合。事件存储数据库，就是针对仅追加写入和发布事件流进行优化，将这些事件“投影”到针对特定查询场景优化的读取模型中。

投影（Projection），也可称为视图模型或查询模型，可以理解为是不同视角的对象的表示，也是“具体化视图模式”的一种体现。通常代表将写入的事件流，转化成读/写模型的逻辑。

例如，我们通过处理事件流，将处理后的结果存储到关系型数据库上，然后去查询该数据库上的数据，此时的关系型数据库上的数据就是一个投影。并且投影是无状态的，无论对投影做任何处理，都不会影响到原始数据。

投影是廉价的，可随时创建、随时销毁、随时重构。

在系统设计过程中，我们一般第一步会进行数据建模，按照三范式或者某种适合业务处理的方式，建立一系列的表。这些表建立后，就很难进行比较大的表结构变更，特别当业务比较复杂、数据量比较大的时候，改变表结构的代价是很大的。

然后在进行功能开发过程中，我们会去把数据按照业务方的需求展示出来，如果碰到比较复杂的查询场景，我们要么去联表查询，要么一张一张的表去查过去。有时候为了满足查询需求，我们会在一些表上加入冗余字段，越加越多，最终让一张核心业务表变成拥有很多冗余字段的大表。

而CQRS + EventSource，则很好的解决了这种问题。它可以随意创建新的读取模型，其所创建的表都是为查询服务的，可以专门生成一张含有所有查询结果集的表，以支持高效查询。如果关系型数据库不满足查询需求，比如慢SQL或者全文搜索，这时候就可以在Elastic Search上构建一个新的投影，以支持查询。

随着DDD、CQRS、事件溯源概念的流行，也陆续出现了一些开发框架，比如Axon、Cola等。在此也进行简单的介绍。

Axon

Axon 框架的程序遵循基于领域驱动设计（DDD）、命令查询责任隔离 （CQRS）、事件驱动架构（Event Driven Architecture，EDA）、事件溯源（ES）。这些模式的结合，使基于 Axon 的应用程序更加健壮、适应性更强。

Axon在结合 DDD 和 CQRS 后，将应用程序划分为组件，每个组件都有自己专一的职责，要么提供有关应用程序状态的信息，要么更改应用程序的状态。Axon典型架构如下：

在Axon中，消息对象（Messaging Object）是Axon 的核心概念，其将消息对象大致分为3类：

1. 命令： 代表写操作，会影响应用程序状态。命令被路由到单个组件处理，并返回处理结果。
2. 查询： 代表读操作，不会影响应用程序状态。根据调度策略，查询可能同时被路由到一个或多个目的地。
3. 事件： 表示发生相关事情的通知。事件被发布到任何感兴趣的组件。

Axon通过事件溯源模式，对事件消息进行处理，以便提供可靠的审计追踪以及构建视图模型。

COLA

COLA （Clean Object-Oriented and Layered Architecture）表示“面向整洁对象的分层架构”，和Axon这种成熟的开发框架相比，COLA更像是一个DDD模式下，应用分层的另一种方式，比如DDD中的分层架构、六边形架构等。

COLA基于其应用分层理念，提供了应用创建的脚手架，并提供了一些通用组件。在COLA 4.0中，将COLA分成两个部分：COLA框架、COLA组件。

1. COLA架构：关注应用架构的定义和构建，提升应用质量。
2. COLA组件：提供应用开发所需要的可复用组件，提升研发效率。

这里我们提到了事件溯源架构的三种应用设计模式，Event Driven 用于服务间交互、Event Source 用于事件持久化、CQRS用于读模型查询，相互配合。

除此之外应用程序架构方式和设计模式有很多，我们在应用设计、开发过程中，可能很难去真正落地，不过我们可以领会到这些架构方式、设计模式的核心思想。在平常开发过程中，能够结合其中的一些思想，为某些问题提供更好的解决方案，更好的为业务服务。

再附上《Azure 应用程序体系结构基本信息指南》，供大家参考。

加入我们

我们来自字节跳动飞书商业应用研发部(Lark Business Applications)，目前我们在北京、深圳、上海、武汉、杭州、成都、广州、三亚都设立了办公区域。我们关注的产品领域主要在企业经验管理软件上，包括飞书 OKR、飞书绩效、飞书招聘、飞书人事等 HCM 领域系统，也包括飞书审批、OA、法务、财务、采购、差旅与报销等系统。欢迎各位加入我们。

微信扫码发现职位&投递简历

官网投递：job.toutiao.com/s/FyL7DRg