مدل‌سازی داده برای سیستم‌های مبتنی بر Event Sourcing: مدیریت سازگاری زمانی و تکامل طرح

در حوزه مهندسی پایگاه‌داده‌های مدرن، الگوی Event Sourcing به عنوان یک الگوی قدرتمند برای ساخت سیستم‌های مقیاس‌پذیر، قابل حسابرسی و مقاوم ظهور کرده است. برخلاف برنامه‌های سنتی CRUD که وضعیت فعلی داده‌ها را ذخیره می‌کنند، سیستم‌های مبتنی بر Event Sourcing، دنباله‌ای از رویدادهایی را که به آن وضعیت منجر شده‌اند، ذخیره می‌کنند. این تغییر مزایای عمیقی مانند ردیابی کامل حسابرسی و قابلیت بازپخش تاریخچه را ارائه می‌دهد، اما پیچیدگی‌های قابل توجهی را هنگام برخورد با سازگاری زمانی و تکامل طرح (Schema Evolution) ایجاد می‌کند.

برای توسعه‌دهندگان سطح متوسط تا پیشرفته، تسلط بر این چالش‌ها تنها به نوشتن کد محدود نمی‌شود؛ بلکه به طراحی سیستمی است که در طول رشد، انسجام خود را حفظ کند. این پست استراتژی‌های مدل‌سازی داده در محیط‌های Event Sourcing را بررسی می‌کند و اطمینان حاصل می‌کند که اجماعات (Aggregates) شما در طول زمان سازگار باقی بمانند و در عین حال با نیازهای در حال تغییر کسب‌وکار سازگار شوند.

چالش اصلی: رویدادهای در حال تکامل در مقابل وضعیت پایدار

تنش بنیادین در Event Sourcing بین غیرقابل تغییر بودن رویدادها و قابلیت تغییر منطق کسب‌وکار نهفته است. یک بار که رویدادی در مخزن رویداد (Event Store) نوشته شد، دائمی است. با این حال، مدل دامنه، قوانین اعتبارسنجی و فرمت‌های سریال‌سازی برنامه شما اجتناب‌ناپذیراً تغییر می‌کنند. اگر کد خود را برای انتظار یک فیلد جدید در باری از رویداد که در رویدادهای قدیمی‌تر وجود نداشته، به‌روز کنید، هنگام بازپخش تاریخچه با خطر شکست‌های سریال‌زدایی مواجه خواهید شد.

برای مدیریت این موضوع، باید طرح رویداد را از طرح نمایش (Projection) جدا کنید. مخزن رویداد منبع حقیقت است، اما مدل‌های خواندنی (پروژکشن‌ها) نمای‌های مشتق شده هستند. بنابراین، تکامل طرح باید بر روی قرارداد رویداد متمرکز باشد، نه وضعیت داخلی اجماعات شما.

استراتژی‌های تکامل طرح

الگوهای متعددی برای مدیریت تکامل طرح در سیستم‌های مبتنی بر Event Sourcing وجود دارد. رایج‌ترین رویکرد گسترش سازگار با نسخه قبلی است.

۱. تغییرات سازگار با نسخه قبلی

هنگام افزودن فیلدهای جدید به یک رویداد، اطمینان حاصل کنید که نسخه‌های قدیمی‌تر کد مصرف‌کننده همچنان بتوانند رویداد را پردازش کنند، با در نظر گرفتن فیلدهای جدید به عنوان اختیاری یا ارائه مقادیر پیش‌فرض. هرگز فیلدها را در رویدادهای موجود حذف یا تغییر نام ندهید. در عوض، آن‌ها را با علامت‌گذاری به عنوان استفاده‌نشده منسوخ کنید و قرارداد نام‌گذاری جدید را در نسخه‌های بعدی رویداد معرفی نمایید.

۲. نسخه‌بندی رویدادها

به هر نوع رویداد یک شماره نسخه اختصاص دهید. به عنوان مثال، UserCreatedV1 ممکن است حاوی یک فیلد name باشد، در حالی که UserCreatedV2 این فیلد را به firstName و lastName تقسیم می‌کند. هنگام خواندن تاریخچه، مصرف‌کننده باید رویدادها را بر اساس نسخه به پردازشگر مناسب ارجاع دهد.

در اینجا یک مثال عملی با استفاده از یک ساختار مفهومی شبیه به پایتون برای مدیریت رویدادهای نسخه‌بندی شده آورده شده است:

class EventDispatcher:
    def dispatch(self, event):
        if event.type == "UserCreated":
            if event.version == 1:
                self.handle_v1(event)
            elif event.version == 2:
                self.handle_v2(event)
        # ... سایر انواع رویدادها

    def handle_v1(self, event):
        # منطق قدیمی برای فیلد name
        user = User.create(full_name=event.data['name'])

    def handle_v2(self, event):
        # منطق جدید برای firstName و lastName
        user = User.create(
            first_name=event.data['firstName'],
            last_name=event.data['lastName']
        )

مدیریت سازگاری زمانی با اسنپ‌شات‌ها

بازپخش میلیون‌ها رویداد برای بازسازی وضعیت فعلی از نظر محاسباتی پرهزینه است و می‌تواند به گلوگاه‌های عملکردی منجر شود. اینجاست که اسنپ‌شات‌ها (Snapshots) وارد عمل می‌شوند. یک اسنپ‌شات، وضعیت یک اجماعت را در یک نقطه زمانی خاص (مثلاً هر ۱۰۰ رویداد) ثبت می‌کند.

با این حال، اسنپ‌شات‌ها یک چالش سازگاری جدید ایجاد می‌کنند: سازگاری زمانی. اگر اسنپ‌شاتی از یک اجماعت که همزمان در حال تغییر است بگیرید، یا اگر اسنپ‌شاتی را بازیابی کنید که قدیمی‌تر از رویدادهایی است که در حال پردازش هستند، ممکن است با شرایط مسابقه (Race Conditions) یا وضعیت‌های ناسازگار مواجه شوید.

برای حفظ سازگاری زمانی:

• اسنپ‌شات‌های نسخه‌بندی شده: همیشه یک شماره نسخه را به یک اسنپ‌شات مرتبط کنید. هنگام بارگذاری یک اجماعت، جدیدترین اسنپ‌شات را تا نسخه فعلی بارگذاری کنید و سپس تنها رویدادهایی را که پس از آن اسنپ‌شات رخ داده‌اند، بازپخش نمایید.
• اعتبارسنجی تغییرات: هنگام اعمال رویدادها به یک اسنپ‌شات، بررسی کنید که نسخه رویداد به طور دقیقاً بزرگتر از نسخه اسنپ‌شات باشد تا از بازنویسی یا نادیده گرفتن به‌روزرسانی‌ها جلوگیری شود.

مثال عملی: پیاده‌سازی مدیر اسنپ‌شات

در زیر یک پیاده‌سازی مفهومی ساده‌شده از یک مدیر اسنپ‌شات آورده شده است که با ردیابی توالی رویدادها، سازگاری زمانی را تضمین می‌کند.

class SnapshotManager:
    def __init__(self, event_store):
        self.event_store = event_store

    def save_snapshot(self, aggregate_id, state, event_count):
        """وضعیت فعلی اجماعت را ذخیره می‌کند."""
        self.db.save({
            'aggregate_id': aggregate_id,
            'state': state,
            'last_event_id': event_count,
            'timestamp': datetime.now()
        })

    def load_aggregate(self, aggregate_id, factory):
        """اجماع را از اسنپ‌شات بارگذاری کرده و رویدادهای گمشده را بازپخش می‌کند."""
        snapshot = self.db.find(aggregate_id)
        
        if snapshot:
            aggregate = factory.create_empty()
            aggregate.restore_snapshot(snapshot['state'])
            last_known_event = snapshot['last_event_id']
        else:
            aggregate = factory.create_empty()
            last_known_event = 0

        # بازپخش تنها رویدادهایی که پس از آخرین اسنپ‌شات رخ داده‌اند
        events = self.event_store.get_since(last_known_event, aggregate_id)
        for event in events:
            aggregate.apply_event(event)
            
        return aggregate

نتیجه‌گیری

مدل‌سازی داده برای سیستم‌های مبتنی بر Event Sourcing نیازمند یک تغییر پارادایم از طرح‌های ایستا به قراردادهای در حال تکامل است. با پذیرش تعاریف رویداد سازگار با نسخه قبلی، پیاده‌سازی نسخه‌بندی قوی و استفاده از اسنپ‌شات‌های نسخه‌بندی شده، می‌توانید اطمینان حاصل کنید که سیستم شما سازگار و کارآمد باقی می‌ماند. به یاد داشته باشید، در Event Sourcing، گذشته غیرقابل تغییر است، اما توانایی شما در تفسیر آن باید انعطاف‌پذیر باشد. مدل‌های خود را طوری طراحی کنید که در برابر آزمون زمان مقاومت کنند و برنامه شما با اطمینان مقیاس‌پذیر خواهد بود.

هنگام پیاده‌سازی این الگوها، همیشه به یاد داشته باشید که هدف تنها ذخیره داده نیست، بلکه ثبت داستان کسب‌وکار شماست. یک سیستم Event Sourcing به خوبی مدل‌شده، آن داستان را با دقت بالا ارائه می‌دهد و به شما امکان می‌دهد به سوالاتی پاسخ دهید که امروز می‌پرسید، اما دیروز حتی نمی‌دانستید که باید بپرسید.