首页
/ Marten事件溯源中投影重建时的数据一致性挑战

Marten事件溯源中投影重建时的数据一致性挑战

2025-06-26 14:29:30作者:霍妲思

引言

在使用Marten进行事件溯源开发时,投影(Projection)的设计是一个关键环节。本文将通过一个实际案例,探讨在投影重建过程中如何处理未提交事件的数据一致性问题,并提供几种解决方案。

案例背景

假设我们有一个简单的聚合模型House,记录房屋的基本信息和评分:

public record House(Guid Id, string Name, string Address, int NumberOfRooms, decimal? Stars);

用户可以对房屋进行评分,产生UserRate事件:

public sealed record UserRate(int Rate);

初始投影设计问题

开发者最初设计的投影如下:

public class HouseProjection : SingleStreamProjection<House>
{
    public async Task<House> Apply(UserRate @event, House house, IQuerySession session)
    {
        var events = await session.Events.FetchStreamAsync(house.Id);
        
        var stars = events
            .Where(e => e.EventType == typeof(UserRate))
            .Select(e => Convert.ToDecimal(((UserRate)e.Data).Rate))
            .Union([Convert.ToDecimal(@event.Rate)]);
        
        return house with { Stars = stars.Average() };
    }
}

这个设计在单个事件处理时工作正常,但在以下场景会出现问题:

  1. 当同一事务中包含多个UserRate事件时
  2. 在投影重建过程中

问题根源在于FetchStreamAsync只返回已提交的事件,无法获取当前事务中尚未提交的事件。

解决方案分析

方案1:维护已处理事件列表

在投影内部维护一个列表,记录当前会话中已处理的事件:

public List<UserRate> _seenUserRates = new List<UserRate>();

public async Task<House> Apply(UserRate @event, House house, IQuerySession session)
{
    _seenUserRates.Add(@event);
    var events = await session.Events.FetchStreamAsync(house.Id);

    var stars = events
        .Where(e => e.EventType == typeof(UserRate))
        .Select(e => Convert.ToDecimal(((UserRate)e.Data).Rate))
        .Union(_seenUserRates.Select(x => Convert.ToDecimal(x.Rate)));
    
    return house with { Stars = stars.Average() };
}

这种方法虽然可行,但增加了内存开销,且不够优雅。

方案2:使用自定义IProjection

实现IProjection接口可以完全控制事件处理流程,可以一次性处理流中的所有未决事件:

public class HouseProjection : IProjection
{
    public void Apply(IDocumentOperations operations, IReadOnlyList<StreamAction> streams)
    {
        // 自定义处理逻辑
    }
}

这种方式更灵活,但需要更多样板代码。

方案3:优化聚合设计(推荐)

最优雅的解决方案是重新设计聚合,避免在投影中查询事件流:

public async Task<House> Apply(UserRate @event, House house, IQuerySession session)
{   
    var numberOfRatings = house.NumberOfRatings + 1;
    var totalStars = house.TotalStars + @event.Rate;
    return house with
    {
        NumberOfRatings = numberOfRatings,
        TotalStars = totalStars,
        Stars = totalStars/numberOfRatings
    };
}

这种设计:

  1. 完全避免了N+1查询问题
  2. 计算逻辑简单高效
  3. 在重建和正常运行时表现一致
  4. 更容易理解和维护

最佳实践建议

  1. 避免在投影中查询事件流:这会导致性能问题和数据一致性问题
  2. 设计自包含的聚合:聚合应该包含计算所需的所有状态
  3. 考虑增量更新:基于当前状态和新事件计算新状态,而不是重新计算所有历史
  4. 简化计算逻辑:复杂的计算可以分解为多个简单步骤

结论

Marten提供了灵活的事件溯源能力,但正确的投影设计至关重要。通过本文的案例分析,我们可以看到,优化聚合设计往往比在投影中处理复杂逻辑更可取。保持投影简单、高效和自包含是确保系统可靠性和性能的关键。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8