Event Sourcing とは、アプリケーションの現在の状態ではなく、状態を変えた出来事の並びを永続化し、状態はその再生(replay)で復元する方式です。
Event Sourcing は、現在の状態に加えて、そこに至るまでの操作を後から確認したい場合に使います。
例えば、EC サイトのサポート窓口には「この注文はなぜキャンセルされているのか」という問い合わせが届きます。現在の状態だけを保存する作りでは、orders テーブルの status カラムに canceled と残っているだけで、いつ・どの操作で・どんな内容からそうなったのかは、上書きの瞬間に消えています。
本記事で扱うのは、1 件の注文に起きた変更を全て「注文が確定した」「注文がキャンセルされた」のような出来事のオブジェクト(Domain Event)として記録し、その並びを一次記録(system of record。状態を作り直す元になり、食い違った時に正しいと見なす記録)とする構成です。
Domain Event を使っていても、上書きで保存した状態の方を一次記録にするなら、この構成にはなりません。
以下は、この構成の全体像です。
イベントの帯と、そこから導く状態・スナップショット・読み取りモデル
コマンドは、order.Cancel(...) のようなメソッド呼び出しで表す状態変更の要求です。要求を受けた Order 集約(まとめて一貫性を保つオブジェクトの集まり)が作ったイベントは、唯一の一次記録であるイベントストアの末尾に追記され(図の破線の v8)、Order の現在の状態はイベントの再生で導出されます。検索用の読み取りモデルも、イベントを順に読んで書き写すプロジェクション(projection)で後から作ります。
図の灰色の部分(今の状態・後述のスナップショット・読み取りモデル)は、どれもイベントから作り直せます。
本記事では、次の点を説明します。
- 状態の上書きでは足りない理由
- イベントストアへの追記の仕方
- イベントの再生による状態の復元
- 読み取りモデルへのプロジェクション
- プロジェクションの処理がイベントを読み飛ばす理由
出来事を表すオブジェクトは Domain Event のノートで、それを他のシステムに配送する仕組みは Transactional Outbox のノートで扱っているので繰り返しません。例には、Domain Event のノートと同じ注文(Order)を使います。
状態の上書きで足りない理由
UPDATE orders SET status = 'canceled' という書き方は、前の値を新しい値で上書きして消します。履歴が必要なら監査ログのテーブルを足し、業務データと同じトランザクションで書けば、片方だけ残ることは防げます。それでも、アプリケーションが業務処理の副産物として監査ログを書く構成では、次の 2 つの問題が残り得ます。
1 つは、全ての更新経路がログを書くという前提に頼ることです。書き忘れた経路の更新は履歴に残らず、DB(データベース)のトリガーで漏れを塞ぐような仕組みを別に作らない限り気付けません。
もう 1 つは、状態とログのどちらも相手から作り直せないことです。例えば監査ログに status を canceled に変えたことだけが残っていて明細や金額の変化が無ければ、ログから orders のレコードは作れず、orders のレコードから過去のログも作れません。2 つが食い違った時、どちらが正しいのかを決める根拠がありません。
以下は、2 つの構成の違いです。
%%{init: {"theme":"base","themeVariables":{"primaryColor":"#eaf1f5","primaryTextColor":"#28343b","primaryBorderColor":"#9cabb5","lineColor":"#596b76","textColor":"#28343b","actorBkg":"#eaf1f5","actorBorder":"#9cabb5","actorTextColor":"#28343b","actorLineColor":"#9cabb5","signalColor":"#596b76","signalTextColor":"#28343b","noteBkgColor":"#f7f1e5","noteBorderColor":"#c5b99b","noteTextColor":"#403c32","activationBkgColor":"#edf3ef","activationBorderColor":"#9aafa1"}}}%%
flowchart TD
subgraph W["状態を上書きする構成"]
U["更新処理"] --> T1[("orders<br/>状態を上書き")]
U --> L1[("監査ログ<br/>アプリから別途記録")]
end
subgraph ES["Event Sourcing"]
V["更新処理"] --> E1[("イベントストア<br/>追記だけ")]
E1 -- 再生で導出 --> T2["現在の状態"]
end
classDef default fill:#eaf1f5,stroke:#9cabb5,color:#28343b;
上記の図の右側では、記録が業務処理の副産物ではなく本体です。イベントに残らなかった更新は状態にも反映されないため、再生で導出される状態については「状態は変わったのに履歴に無い」という食い違いは構造上起きません。
Martin Fowler 氏は、イベントログの上に築ける機能の 1 つとして、「アプリケーションの状態を完全に捨てて、空のアプリケーションにイベントログからイベントを再実行することで再構築できる」ことを挙げています。
イベントストアへの追記
イベントストア(event store)は、イベントを記録順に追記するだけの保存場所です。ここでは、集約 1 つにつき 1 本のストリーム(stream、イベントの並び)を持たせます。ストリームの中の順序は通し番号(version)で固定します。番号の起点は実装ごとに決まり、この例では 1 から始めます。
具体的には、以下のようなレコードが並びます。
| stream_id | version | name | payload | occurred_at |
|---|---|---|---|---|
| order-1 | 1 | order.placed | {"lines": [...]} | 2026-08-10T09:00:00Z |
| order-1 | 2 | order.confirmed | {...} | 2026-08-10T09:05:00Z |
| order-1 | 3 | order.canceled | {"reason": "..."} | 2026-08-10T10:30:00Z |
レコードの更新も削除もせず、操作は末尾への INSERT だけです。payload カラムには、イベントの中身が JSON で入ります。書き込みは、ストリームを読んで Order を復元し(中身は次の節で見ます)、業務規則を検証してから新しいイベントを追記する順です。
同じ注文への操作が同時に 2 つ走ると、両方が version 4 への追記を試みます。(stream_id, version) に一意制約を張っておき、Order を読み込んだ時点の version を期待値として追記すると、後から書いた方だけが失敗します。
// Append は、Order のストリームに新しいイベントを追記します。
// expected には、Order を読み込んだ時点の最後の version を渡します。
func (s *eventStore) Append(tx Tx, streamID string, expected int, events []DomainEvent) error {
for i, ev := range events {
// (stream_id, version) には一意制約があり、同じ番号への
// 追記が同時に走ると、後から書いた方が制約違反で失敗する
if err := s.insert(tx, streamID, expected+i+1, ev); err != nil {
return err
}
}
return nil
}
途中の insert が失敗した場合は、呼び出し側がトランザクションごと巻き戻す前提です。失敗した側は、新しいトランザクションでストリームを読み直し、業務規則を検査し直してから新しい version でやり直します。読み込み時の値を期待して書き、外れたらやり直すこの形は、Domain Event の在庫の例で見た楽観的ロックと同じです。
以下は、競合の流れです。
%%{init: {"theme":"base","themeVariables":{"primaryColor":"#eaf1f5","primaryTextColor":"#28343b","primaryBorderColor":"#9cabb5","lineColor":"#596b76","textColor":"#28343b","actorBkg":"#eaf1f5","actorBorder":"#9cabb5","actorTextColor":"#28343b","actorLineColor":"#9cabb5","signalColor":"#596b76","signalTextColor":"#28343b","noteBkgColor":"#f7f1e5","noteBorderColor":"#c5b99b","noteTextColor":"#403c32","activationBkgColor":"#edf3ef","activationBorderColor":"#9aafa1"}}}%%
sequenceDiagram
participant C1 as 処理 1
participant C2 as 処理 2
participant S as イベントストア
C1->>S: order-1 を version 3 まで読む
C2->>S: order-1 を version 3 まで読む
C1->>S: version 4 に追記して commit
C2->>S: version 4 に追記
S-->>C2: 一意制約違反で失敗
Note over C2: 読み直して業務規則を再検証し<br/>成立するなら version 5 に追記する
上記の図の一意制約が防いでいるのは、同じ version への重複した追記です。番号が飛ばないことは、制約ではなく、実際に読んだ末尾の version を expected に渡すという手順が支えています。
追記だけの記録から全体を組み立てる発想は WAL(Write-Ahead Log、先行書き込みログ)と共通で、WAL が DB 内部の復旧用の記録であるのに対し、イベントストアは業務の語彙で書かれた公式の記録という違いがあります。
再生による状態の復元
現在の状態は、ストリームを version 順に読み出し、空の Order から 1 件ずつ適用すると戻ります。適用の処理と、業務規則の検証は分けて置きます。
// apply は、イベント 1 件を状態に反映します。イベントは既に起きた
// 事実なので、業務規則の検証は行いません。ただし、解釈できない
// イベントはエラーにして、再生そのものを失敗させます。
func (o *Order) apply(ev DomainEvent) error {
switch e := ev.(type) {
case OrderPlaced:
o.id = e.OrderID
o.status = OrderStatusDraft
o.lines = e.Lines
case OrderConfirmed:
o.status = OrderStatusConfirmed
case OrderCanceled:
o.status = OrderStatusCanceled
default:
return fmt.Errorf("unsupported event: %T", ev)
}
// version は、反映に成功したイベントの分だけ進める
o.version++
return nil
}
// replayOrder は、ストリームの全イベントから Order を復元します。
func replayOrder(events []DomainEvent) (*Order, error) {
o := &Order{}
for _, ev := range events {
if err := o.apply(ev); err != nil {
return nil, err
}
}
return o, nil
}
「確定から 2 時間を過ぎた注文はキャンセルできない」のような検証は、イベントを新しく作る側のメソッド(Domain Event のノートの Confirm と同じ役割の部分)で行います。apply が受け取るのは検証を通って記録された過去の事実です。
業務規則は後から変わります。期限が 1 時間に縮まった後で、前の節の表の order-1(09:05 に確定、10:30 にキャンセル)を今の規則で検証し直すと、記録済みのキャンセルを再生できなくなります。
一方で、default でエラーを返すことには理由があります。解釈できないイベントを読み飛ばすと、実際には起きた変化が抜けた状態で Order が復元され、その誤った状態を前提に新しい業務処理が走ります。例えば、支払い済みを表す OrderPaid を知らない古いコードが再生を続けると、未払いの注文として扱ってしまいます。
イベントが一次記録である以上、意味を取り違えた状態で処理を進めるより、再生を失敗させて気付ける方が安全です。
payload の形はコードの変更で変わりますが、記録済みのイベントは書き換えられないので、古い形のイベントがストリームに残ります。そのため、古い形式のイベントは apply に渡す前に、現在のコードが解釈できる形にアップキャスト(upcast)します。以下は、その置き方です。
%%{init: {"theme":"base","themeVariables":{"primaryColor":"#eaf1f5","primaryTextColor":"#28343b","primaryBorderColor":"#9cabb5","lineColor":"#596b76","textColor":"#28343b","actorBkg":"#eaf1f5","actorBorder":"#9cabb5","actorTextColor":"#28343b","actorLineColor":"#9cabb5","signalColor":"#596b76","signalTextColor":"#28343b","noteBkgColor":"#f7f1e5","noteBorderColor":"#c5b99b","noteTextColor":"#403c32","activationBkgColor":"#edf3ef","activationBorderColor":"#9aafa1"}}}%%
flowchart LR
S[("ストリーム")] --> D["読み出す段<br/>deserialize"]
D -- "古い形式を<br/>upcast" --> A["apply"]
A --> O["Order"]
A -. "解釈できない" .-> F["再生を失敗させる"]
classDef default fill:#eaf1f5,stroke:#9cabb5,color:#28343b;
読み出す段で upcast しておけば、apply の default に届くのは本当に解釈できないイベントだけです。
再生は任意の時点で止められます。問い合わせ対応で「キャンセル直前の注文内容」が必要な時は、version 2 まで再生すれば取り出せます。
1 本のストリームのイベントが数千件に増えると、毎回の再生に時間が掛かります。対策は、一定の件数ごとに状態の写し(スナップショット)を保存し、直近のスナップショットとそれ以降のイベントだけで復元することです。
例えば 100 件ごとにスナップショットを取っていれば、1,050 件のストリームでも version 1,000 時点のスナップショットから 1,001 以降の 50 件を再生するだけで済み、再生する件数は 100 件を超えません。
復元にかかる時間は、Python 標準の sqlite3(SQLite 3.46.1)で作ったイベントストアで測りました。測ったのは、直近のスナップショットを読み、それ以降のイベントを version 順に読み出して JSON から戻し、apply と同じ処理で反映するまでの時間です。
ストリームの長さは 0 から 5,000 件まで 25 件刻みで変え、スナップショット無し・500 件ごと・100 件ごとの 3 通りで比べました。他の処理と同じマシンで測ったので、各点は 30 回の最小値にしています。以下は、復元の部分です(全体からの抜粋)。
def restore(con, use_snapshot):
o, after = Order(), 0
if use_snapshot:
row = con.execute("SELECT version, state FROM snapshots WHERE stream_id='order-1' "
"ORDER BY version DESC LIMIT 1").fetchone()
if row:
after, o = row[0], Order.from_json(row[1])
replayed = 0
for kind, payload in con.execute(
"SELECT type, payload FROM events WHERE stream_id='order-1' AND version > ? "
"ORDER BY version", (after,)):
o.apply(kind, json.loads(payload))
replayed += 1
return o, replayed
events | no snapshot | every 500 | every 100
| ms replayed | ms replayed | ms replayed
1000 | 1.265 1000 | 0.010 0 | 0.009 0
1050 | 1.189 1050 | 0.067 50 | 0.068 50
4975 | 6.015 4975 | 0.569 475 | 0.096 75
5000 | 5.848 5000 | 0.010 0 | 0.009 0
スナップショットの間隔ごとの、復元にかかった時間(実測)
スナップショットが無いと(No snapshot)、1 件あたり約 1.2 マイクロ秒で時間がイベント数に比例して伸びました。100 件ごとに取れば、5,000 件のストリームでも復元は最大でも約 0.11 ms(実測の最大は 0.111 ms)に収まります。この値は 1 本のストリームを 1 回復元する時間で、コマンドを受けるたびに払います。
間隔を狭めるほど再生は短くなり、その分だけスナップショットを保存する回数が増えます。スナップショットは導出物なので、壊れても消しても、イベントから作り直せます。
読み取りモデルへのプロジェクション
「注文者ごとの購入金額の合計」のような集計は、ストリーム単位の再生では答えにくい質問です。答えるには、全ストリームを再生してから集計し直すことになります。そこで、イベントを順に読んで検索用のテーブルを作り続けるプロセス(projector)を置き、検索は projector が作ったテーブルに向けます。このテーブルが読み取りモデルで、イベントを読み取りモデルに書き写す処理をプロジェクションと呼びます。
version はストリームごとの番号なので、全ストリームを横断して読む projector は、どこまで読んだかを 1 つの値で覚えられません。そのため、全イベントに共通の追記順の連番を version とは別に振る設計がよく採られます。
採番
commit
projector
しかし、連番を振った順と commit の順は一致するとは限りません。連番 10 を取ったトランザクションより先に連番 11 が commit されると、projector は 11 まで読んで覚え、後から commit された 10 を読み飛ばします。
連番の順と commit の順が入れ替わった時の読み飛ばし
.NET の Event Sourcing ライブラリ Eventuous では、PostgreSQL のイベントストアに古いシステムのデータをまとめて取り込んだ時に、読み飛ばしが報告されました。
projector に当たる subscription は、どこまで読んだかの記録を先へ進めたのに、一部のイベントで読み取りモデルを更新する処理を呼んでいませんでした。抜けたイベントは DB に入っており、記録を前の値に戻して再起動すると反映されました。
Eventuous の保守者は、連番の順と commit の順が入れ替わったことを疑い、2025 年には別の開発者が、追記に遅れを入れたテストで同じ抜けを再現しました。同年 10 月に入った修正は、連番の抜けを見つけたら一定時間待つ処理です。設定すれば、待っても埋まらない番号に欠番の印(tombstone)を書き込みます。報告者の環境での原因は確定していません。
連番に抜けがある間は読み進めない、追記後に一定時間が経過した範囲だけを読む、といった対策があります。ただし固定時間の待機には、全てのトランザクションがその時間内に commit されるという前提が必要です。rollback などで永久に欠けた番号を待つと、プロジェクションが止まります。
再読で回復する設計では、処理済みの位置と保留中の番号を追跡し、同じイベントを再び読んでも二重に反映しない仕組みを用意します。欠番を飛ばす判断には、ストア側の commit・中止を識別できる契約や回復手順も必要です。
以下は、projector が追記とは別のタイミングでプロジェクションを進める流れです。
%%{init: {"theme":"base","themeVariables":{"primaryColor":"#eaf1f5","primaryTextColor":"#28343b","primaryBorderColor":"#9cabb5","lineColor":"#596b76","textColor":"#28343b","actorBkg":"#eaf1f5","actorBorder":"#9cabb5","actorTextColor":"#28343b","actorLineColor":"#9cabb5","signalColor":"#596b76","signalTextColor":"#28343b","noteBkgColor":"#f7f1e5","noteBorderColor":"#c5b99b","noteTextColor":"#403c32","activationBkgColor":"#edf3ef","activationBorderColor":"#9aafa1"}}}%%
sequenceDiagram
participant W as 書き込む処理
participant S as イベントストア
participant P as projector
participant R as 読み取りモデル
W->>S: OrderCanceled を追記
Note over R: 反映前は古い値を返す
P->>S: 覚えた連番の続きから読む
P->>R: プロジェクションで書き写す
Note over R: 以降は新しい値を返す
追記から反映までの間にずれが生じるので、読み取りは結果整合(いずれ一致するものの、ある瞬間を切り取るとずれを許す性質)になります。その代わり、読み取りモデルはいくつでも持て、検索の形ごとに最適な構造を選べます。後から新しい検索が必要になったら、新しい読み取りモデルを作って過去のイベントを最初から読み直すだけで済みます。
結果整合だからといって、書いた本人の画面にまで古い値を出すしかないわけではありません。書いた直後に必要なのが、その集約自身の現在の状態だけなら、読み取りモデルを介さず、ストリームを再生して答える手があります。追記先のイベントストアそのものを読むので(読み取り用の複製から読む構成を除く)、自分の書いたイベントまで含めて読めます。
ただし、この方法が使えるのは 1 本のストリームで答えられる範囲に限られ、複数の注文を横断する検索には読み取りモデルが必要です。
イベントストアに書き込み、プロジェクションで作った読み取りモデルで検索に答える構成は、CQRS(Command Query Responsibility Segregation、更新と読み取りでモデルを分ける考え方)の形です。
CQRS はイベントを保存しなくても成立する一方で、Event Sourcing は横断する検索に読み取りモデルを必要とします。Greg Young 氏の CQRS Documents は、この点を CQRS と組み合わせる理由に挙げています。
利点
- 状態が変わった理由をイベントの記録から確認できる
- イベントを漏れなく保持している限り、任意の時点の状態を再生で復元できる
- 読み取りモデルを後から何種類でも追加・再構築できる
- 書き込みを追記中心にでき、リレーショナル DB で実装するなら
(stream_id, version)の一意制約を使って同一ストリームへの競合を検出できる
欠点
Event Sourcing は、起きた事実の記録を捨てずに残します。その結果、次の欠点を抱えます。
- イベントの形を後から変えにくく、古い形式のイベントを読み続ける仕組み(イベントの形式の世代管理)が必要
- 現在の状態を見るだけの操作にも、再生かスナップショットか読み取りモデルの用意が必要
- 読み取りモデルを非同期のプロジェクションで作る構成では結果整合になり、書いた直後の検索が古い値を返す場合がある
- 個人情報の削除要求と、イベントを消さない方針が正面から衝突する
1 番目の世代管理は、ストリームの通し番号の version とは別の話です。古い形式を解釈し続けるか、再生の節の upcast のように読み出す段で変換するかは、形を変えるたびに決めます。
最後の項目には、イベントには識別子だけを載せて個人情報の本体は消せる別の保存場所に置く、個人ごとの暗号鍵で暗号化しておき鍵を消して読めなくする、といった対処があります。どれもイベントの不変性と削除要求の間の妥協で、設計の初期に決めておく方が安全だと考えられます。
適さないケース
- 状態の履歴に業務上の価値が無い、CRUD(Create / Read / Update / Delete)中心のシステム
- 一覧や集計の検索が主体で、読み取りモデルの遅れも、イベントと読み取りモデルの形を両方保守する手間も割に合わない業務
- 出来事の語彙がまだ固まっていない探索段階のプロダクト。イベントの設計ミスが記録として残り続ける