09.8.5 事件驱动与事件溯源
所属:全栈开发面试题库 / 09 高阶架构:高并发与分布式 / 09.8 架构模式与演进
覆盖范围
- 事件驱动架构 EDA 核心概念
- 事件溯源 Event Sourcing:事件存储、快照、重放
- 事件版本与模式演进
- 事件溯源并发控制与乐观锁
- 事件驱动 vs 命令驱动、落地边界
高频题速览
| 编号 | 题目 | 难度 | 频率 |
|---|---|---|---|
| 09.8.5-001 | 事件驱动架构 EDA 的核心是什么 | 进阶 | ★★★★☆ |
| 09.8.5-002 | 事件溯源 Event Sourcing 是什么 | 高级 | ★★★★☆ |
| 09.8.5-003 | 事件溯源的优缺点 | 高级 | ★★★★☆ |
| 09.8.5-004 | 事件存储 Event Store 的要求 | 高级 | ★★★☆☆ |
| 09.8.5-005 | 快照 Snapshot 为什么需要 | 高级 | ★★★★☆ |
| 09.8.5-006 | 事件版本与模式演进 | 高级 | ★★★★☆ |
| 09.8.5-007 | 事件溯源与 CQRS 的关系 | 高级 | ★★★☆☆ |
| 09.8.5-008 | 事件驱动 vs 命令驱动 | 进阶 | ★★★★☆ |
| 09.8.5-009 | 事件溯源的并发控制 | 高级 | ★★★☆☆ |
| 09.8.5-010 | 事件回溯与重放的风险 | 高级 | ★★★☆☆ |
09.8.5-001 事件驱动架构 EDA 的核心是什么?
一句话结论
事件驱动架构以事件为系统间通信的基本单位:生产者只发布事件("发生了什么"),不关心谁消费、怎么消费;消费者订阅事件并独立处理;系统通过事件流解耦,新增消费者不需要改生产者。
概念解释
- 事件:已经发生的事实,过去时态(OrderPaid),不是命令。
- 生产者:发布事件,不维护订阅者列表。
- 消费者:订阅感兴趣的事件,独立处理,失败不影响生产者。
- 事件总线/日志:MQ/Kafka 作为事件传输与存储。
原理流程
订单服务 → 发布 OrderPaid 事件到 Kafka
→ 库存服务订阅(扣库存)
→ 积分服务订阅(加积分)
→ 通知服务订阅(发通知)
新增消费者:订阅同一 topic,不改订单服务
代码或图示
命令驱动:
订单服务 → 同步调库存服务 → 同步调积分服务
→ 耦合强,加一个下游要改订单服务
事件驱动:
订单服务 → 发事件
→ 各下游独立订阅
→ 加下游不改订单服务
常见误区
- 误区:事件驱动就是用 MQ。MQ 是传输层,EDA 的核心是解耦与"对发生事实做出反应"的思维方式。
- 误区:事件驱动所有场景都比命令好。需要即时结果的核心路径(扣库存)仍需同步或事务,详见 09.8.2-007。
追问
- 问:事件和命令怎么区分?答:命令是请求别人做什么(CancelOrder),事件是已经发生的事实(OrderCancelled)。
- 问:事件驱动怎么保证可靠?答:Outbox 模式 + 消费者幂等 + 重试 + 死信,详见 09.6.1.4。
09.8.5-002 事件溯源 Event Sourcing 是什么?
一句话结论
事件溯源不存储实体的当前状态,而是存储一系列状态变更事件(OrderPlaced、OrderPaid、OrderShipped);当前状态通过重放所有事件得到;好处是完整审计历史、可时间旅行、可回溯任意时点状态;代价是事件存储与重放复杂度。
概念解释
- 事件序列:一个聚合所有状态变更的有序事件列表。
- 当前状态:从事件序列从头重放得到。
- 追加写入:新事件只追加到序列末尾,不修改历史事件。
原理流程
传统:存储 order 表当前状态
下单 → 插入 order 行 → 支付 → UPDATE order SET status=PAID
事件溯源:
存储事件流:[OrderPlaced, OrderPaid, OrderShipped]
→ 当前状态 = 重放事件流
代码或图示
事件流(按 orderId 聚合):
1. OrderPlaced { id, userId, items, total }
2. OrderPaid { paymentId, paidAt }
3. OrderShipped { trackingNo, shippedAt }
重放:
初始状态 → apply(OrderPlaced) → apply(OrderPaid) → apply(OrderShipped)
→ 当前状态 = { status: SHIPPED, ... }
常见误区
- 误区:事件溯源就是把数据库操作日志存下来。事件是业务事件("订单已支付"),不是技术日志("UPDATE 语句")。
- 误区:事件溯源可以替代备份。事件存储本身需要持久化与备份,它是状态来源,不是日志。
追问
- 问:事件溯源和 CQRS 什么关系?答:事件溯源天然产生事件流,CQRS 读侧订阅事件流维护投影,详见 09.8.4-006。
- 问:事件溯源适合什么场景?答:需要完整审计、合规、时间旅行的场景,例如金融交易、订单系统。
09.8.5-003 事件溯源的优缺点是什么?
一句话结论
优点是完整审计历史、可回溯任意时点状态、事件驱动天然解耦、不丢失业务事实;缺点是查询困难(要重放或建投影)、事件 schema 演进复杂、学习曲线陡、调试难;适合核心业务域,不适合所有场景。
概念解释
- 优点:审计、时间旅行、事件流天然作为 CQRS 读侧同步源。
- 缺点:查询要靠投影、事件版本演进、重放性能、思维方式转变。
- 适用边界:核心业务域用事件溯源,外围域用普通状态存储。
原理流程
优点:
+ 完整历史:谁在什么时候做了什么
+ 时间旅行:重放到任意时点
+ 事件流:天然驱动 CQRS 读侧
缺点:
- 查询要建投影
- 事件 schema 演进
- 重放性能(需要快照)
代码或图示
事件溯源 vs 传统存储:
传统:当前状态是事实,历史是日志
事件溯源:事件是事实,当前状态是派生物
常见误区
- 误区:事件溯源能解决所有数据问题。它增加复杂度,简单 CRUD 用普通存储更高效。
- 误区:事件溯源的事件可以随便改。历史事件一旦写入就是事实,不能修改,只能新增补偿事件。
追问
- 问:怎么应对查询困难?答:配合 CQRS,读侧投影表从事件流同步,详见 09.8.4。
- 问:事件太多重放慢怎么办?答:快照,详见 09.8.5-005。
09.8.5-004 事件存储 Event Store 有什么要求?
一句话结论
事件存储要求:按聚合 ID 追加写入(append-only)、同一聚合的事件有序、乐观并发控制(基于版本号)、事件可按聚合 ID 全量读取重放;可以是专用 EventStoreDB、关系表(事件表)或 Kafka 等日志系统。
概念解释
- Append-only:事件只追加,不更新不删除。
- 有序:同一聚合的事件有递增序号。
- 乐观并发:写入时带期望版本,版本不匹配则冲突。
- 可重放:按聚合 ID 读出所有事件,重放得到当前状态。
原理流程
写事件:
INSERT INTO event_store (aggregate_id, version, event_type, payload)
VALUES (orderId, expectedVersion+1, 'OrderPaid', '...')
WHERE version = expectedVersion(乐观锁)
读事件:
SELECT * FROM event_store WHERE aggregate_id = ? ORDER BY version
代码或图示
事件表结构:
- aggregate_id (索引)
- version (递增,同一聚合内唯一)
- event_type
- payload (JSON)
- created_at
常见误区
- 误区:事件存储就是消息队列。MQ 是传输层,事件存储是持久化状态来源,需要按聚合 ID 读取与乐观并发。
- 误区:事件存在 Kafka 里就行。Kafka 是 topic 分区,不是按聚合 ID 的事件流存储,需要自己建模。
追问
- 问:专用 EventStoreDB 有哪些?答:EventStoreDB、Axon Server 等;也可以用 MySQL 事件表自建。
- 问:事件 payload 怎么存?答:JSON 或 Protobuf,保留版本号用于演进,详见 09.8.5-006。
09.8.5-005 快照 Snapshot 为什么需要?
一句话结论
当一个聚合事件积累很多(几千上万条),每次重放所有事件得到当前状态会很慢;快照是定期把当前状态序列化保存,重放时从最近的快照开始,只重放快照之后的事件,大幅减少重放时间。
概念解释
- 快照:某一时点聚合的序列化状态。
- 快照频率:每 N 个事件存一次快照,或按时间间隔。
- 重放优化:从快照开始,只重放后续事件。
原理流程
无快照:
10000 个事件 → 全部重放 → 得到当前状态
有快照:
快照在第 5000 个事件 → 从快照开始 → 重放 5000~10000 → 5000 次
代码或图示
存储:
snapshot_table (aggregate_id, snapshot_version, serialized_state)
event_store (aggregate_id, version, ...)
读取:
1. 查最新快照(snapshot_version=5000)
2. 反序列化快照状态
3. 重放 version > 5000 的事件
常见误区
- 误区:快照存了就不需要事件了。快照是优化手段,事件仍是事实来源,快照可以删除重建。
- 误区:快照越频繁越好。快照太频繁占用存储,且序列化开销大;按事件数量或时间间隔平衡。
追问
- 问:快照频率怎么定?答:按聚合事件增长速度,例如每 100 个事件或每天一次,重放时间在可接受范围即可。
- 问:快照和事件 schema 演进冲突怎么办?答:快照也要带版本,演进时做快照迁移或直接从旧事件重建。
09.8.5-006 事件版本与模式演进怎么做?
一句话结论
事件一旦写入就是事实,不能修改;事件 schema 演进用版本号(事件类型带版本,例如 OrderPaidEventV2),新事件用新 schema,旧事件保留;重放时旧版本事件用旧 handler 反序列化,必要时做事件升级(upcaster)转换为新模型。
概念解释
- 不可变事件:历史事件不修改,只能新增。
- 版本化:事件类型带版本号,或 payload 里带 schema_version。
- Upcaster:把旧版本事件升级为新模型,在重放时转换。
原理流程
V1 事件:{ orderId, amount }
V2 事件:{ orderId, amount, currency }(新增字段)
重放:
读 V1 事件 → upcaster 补默认 currency → V2 模型
代码或图示
事件类型命名:
OrderPaidEvent (V1)
OrderPaidEventV2 (V2)
或 payload 内:
{ "schema_version": 2, ... }
常见误区
- 误区:改了事件 schema 直接改旧事件。旧事件是事实,改了会破坏历史审计与重放一致性。
- 误区:新增字段在旧事件里是 null 就行。null 可能有业务含义,upcaster 要显式给默认值。
追问
- 问:删字段怎么办?答:不删旧事件的字段,新事件用新 schema,重放时忽略废弃字段。
- 问:upcaster 怎么维护?答:每个版本变化写一个 upcaster,按版本链升级。
09.8.5-007 事件溯源与 CQRS 的关系是什么?
一句话结论
事件溯源是写侧存储方式(事件序列即状态),CQRS 是读写模型分离;事件溯源天然产生事件流,CQRS 读侧订阅事件流维护投影;两者常配合:事件溯源写侧 + CQRS 读侧投影,读侧查询从投影表走,写侧重放事件得到状态。
概念解释
- 事件溯源写侧:状态存为事件流。
- CQRS 读侧:订阅事件流,维护投影表。
- 配合:事件流既是写侧状态来源,也是读侧同步源。
原理流程
写侧:
命令 → 加载聚合(重放事件)→ 执行业务 → 追加新事件
读侧:
订阅事件流 → 更新投影表
→ 查询走投影表
代码或图示
事件溯源 + CQRS:
event_store (写侧状态)
↓ 事件流
projection_processor (订阅事件)
↓
read_model_tables (读侧投影)
常见误区
- 误区:事件溯源必须配 CQRS。事件溯源是写侧存储,CQRS 是模型分离,两者独立;但配合最自然。
- 误区:用了事件溯源就不需要 CQRS。事件溯源的查询要重放所有事件,性能差,仍需 CQRS 读侧投影。
追问
- 问:不用事件溯源怎么配 CQRS?答:写侧存当前状态,领域事件通过 Outbox 发到 MQ,读侧订阅更新投影,详见 09.8.4-006。
- 问:事件溯源的读侧怎么重建?答:重放事件流,重新构建投影表,任意时点可重建。
09.8.5-008 事件驱动 vs 命令驱动有什么区别?
一句话结论
命令驱动是"我让你做什么"(同步调用下游),耦合强、链路长;事件驱动是"发生了什么,谁关心谁处理",解耦、异步;核心路径需要即时结果用命令,非核心动作与解耦用事件,实际系统是混合模式。
概念解释
- 命令驱动:请求-响应,调用方知道被调方。
- 事件驱动:发布-订阅,生产者不知道消费者。
- 混合:核心同步命令 + 非核心异步事件。
原理流程
命令驱动:
A → B → C → D(同步链,任一跳失败影响上游)
事件驱动:
A → 事件 → B、C、D 各自订阅
代码或图示
下单:
命令:同步调库存服务扣减(必须知道成功/失败)
事件:订单已创建 → 通知、积分、风控各自订阅
常见误区
- 误区:事件驱动完全替代命令驱动。需要即时结果、强一致的核心路径不能纯事件化。
- 误区:命令驱动就是落后。命令驱动链路清晰、调试简单,核心路径用命令更直接。
追问
- 问:怎么判断用命令还是事件?答:是否需要立刻拿到结果、是否影响下一步决策,详见 09.8.2-007。
- 问:混合模式怎么管理?答:核心链路命令 + 边界事件,事件在边界解耦,详见 09.4.1.5。
09.8.5-009 事件溯源的并发控制怎么做?
一句话结论
事件溯源用乐观并发控制:每个聚合有版本号,写入新事件时带期望版本,如果版本与事件存储中的最新版本不一致,说明有并发修改,拒绝写入并让调用方重试;一个聚合同一时刻只有一个写者,并发冲突在聚合粒度检测。
概念解释
- 乐观锁:写入时检查版本,不阻塞。
- 聚合粒度:并发冲突只在同一聚合上检测。
- 重试:冲突后重新加载聚合、重放事件、重新执行命令。
原理流程
1. 加载聚合:读出事件流,重放得到当前状态和版本 v
2. 执行命令:产生新事件
3. 追加事件:INSERT ... WHERE version = v
- 成功:版本 v+1
- 失败(版本已变):冲突,重试
代码或图示
INSERT INTO event_store (aggregate_id, version, ...)
VALUES (orderId, expectedVersion+1, ...)
WHERE expectedVersion = (SELECT MAX(version) FROM event_store WHERE aggregate_id = ?)
-- 行不匹配说明并发冲突
常见误区
- 误区:事件溯源用悲观锁。事件溯源默认乐观锁,冲突在应用层检测重试。
- 误区:并发冲突频繁说明设计错了。如果同一聚合并发修改频繁,说明聚合粒度太大,应拆分。
追问
- 问:重试多少次?答:有限次(3~5 次),超过报错让用户稍后重试。
- 问:不同聚合并发修改怎么办?答:不同聚合不冲突,各自乐观锁,跨聚合用事件最终一致。
09.8.5-010 事件回溯与重放有什么风险?
一句话结论
事件重放可以重建状态或调试历史,但风险包括:重放触发副作用(邮件、支付调用)、重放时聚合逻辑已变导致结果不一致、事件 schema 演进不兼容;重放前必须隔离副作用(纯计算 vs 外部调用分离),并在 staging 环境验证。
概念解释
- 副作用隔离:聚合行为里外部调用(发邮件、调支付)不能在重放时执行,要通过事件处理器异步做。
- 逻辑版本:重放旧事件时用的是当前聚合逻辑,如果逻辑变了,重放结果可能与历史不一致。
- 环境隔离:重放在 staging/测试环境做,不直接在生产执行。
原理流程
重放风险:
聚合行为里有 emailService.send()
→ 重放旧事件 → 邮件被重新发送
正确做法:
聚合只产生事件,副作用由事件处理器异步做
重放时只重建状态,不触发处理器
代码或图示
错误:
public void pay() {
this.status = PAID;
emailService.sendReceipt(); // 副作用在聚合内
}
正确:
public void pay() {
this.status = PAID;
registerEvent(new OrderPaidEvent(id)); // 只产生事件
}
// 邮件由事件处理器异步发,重放时不执行
常见误区
- 误区:重放就是安全的。如果聚合行为有副作用,重放会重复发邮件、重复调外部 API。
- 误区:重放结果一定和历史一致。聚合逻辑变了(bug 修复、业务规则调整),重放结果会与历史不同。
追问
- 问:怎么隔离副作用?答:聚合只改状态和产生事件,所有外部调用由独立的事件处理器执行,重放时不触发处理器。
- 问:业务规则变了重放怎么办?答:接受重放结果与历史不同,或用版本化的聚合 handler 重放特定时点的逻辑。
待整理清单
- [ ] 事件溯源完整代码示例(Java/Axon 或 Python)
- [ ] 快照与 upcaster 实现细节
- [ ] 事件溯源在金融系统中的合规审计案例