事件溯源：聚合根和性能
Event-Sourcing: Aggregate Roots and Performance
我正在使用事件源构建 Whosebug 克隆。 MVP 很简单：
- 用户可以post提问
- 用户可以回答问题
- 用户可以对非封闭问题的答案投赞成票和反对票
我已将问题建模为聚合根。一个问题可以有零个或多个答案，一个答案可以有零个或多个赞成票和反对票。
但这会导致严重的性能问题。要给答案投票，必须加载问题（作为聚合根），这需要加载其所有答案。在非事件源 DDD 中，我会使用延迟加载来解决这个问题。但是事件源中的延迟加载是非常重要的 (http://docs.geteventstore.com/introduction/event-sourcing-basics/)
将问题建模为聚合根是否正确？
首先不要使用延迟加载（同时使用 ORM）。因此，您可能会发现自己处于更糟糕的境地，而不是等待更长的时间。如果您需要使用它，大多数时候这意味着您的模型完全错误。
您可能需要考虑以下事项：
- 你期望这个问题有多少个答案。
- 如果有人在您提交答案时发布了答案，会发生什么情况。赞成票也一样。
- 赞成票是否只是简单的 +1 而您不再关心它，或者您可以找到用户的所有赞成票，例如将它们更改为反对票（确定赞成票）。
您可能想要单独聚合，不是因为性能问题，而是因为并发问题（问题 2）。
根据性能和您的点赞行为方式，您可能会考虑将其建模为值对象。 （问题 3）
继续read ithttp://dddcommunity.org/library/vernon_2011/
使用 cqrs read/write 分离可能会达到真正的性能提升
http://udidahan.com/2009/12/09/clarified-cqrs/
使用简单的读取模型应该不是问题。对于一个问题，您期望得到最多多少个答案？也许几百对非规范化数据模型来说不是什么大问题。
upvote 事件将由具有少量属性的非常简单的命令触发。
事件处理程序很可能必须加载整个问题。但是通过聚合根 ID 加载这些记录并重放事件非常快。如果每个问题的事件数量非常多（由于答案编辑等），您可以实施快照而不是重放每个事件。该过程是异步完成的，这将使读取模型 "eventually consistent" 具有事件存储。
我正在使用事件源构建 Whosebug 克隆。 MVP 很简单：
- 用户可以post提问
- 用户可以回答问题
- 用户可以对非封闭问题的答案投赞成票和反对票
我已将问题建模为聚合根。一个问题可以有零个或多个答案，一个答案可以有零个或多个赞成票和反对票。
但这会导致严重的性能问题。要给答案投票，必须加载问题（作为聚合根），这需要加载其所有答案。在非事件源 DDD 中，我会使用延迟加载来解决这个问题。但是事件源中的延迟加载是非常重要的 (http://docs.geteventstore.com/introduction/event-sourcing-basics/)
将问题建模为聚合根是否正确？
首先不要使用延迟加载（同时使用 ORM）。因此，您可能会发现自己处于更糟糕的境地，而不是等待更长的时间。如果您需要使用它，大多数时候这意味着您的模型完全错误。
您可能需要考虑以下事项：
- 你期望这个问题有多少个答案。
- 如果有人在您提交答案时发布了答案，会发生什么情况。赞成票也一样。
- 赞成票是否只是简单的 +1 而您不再关心它，或者您可以找到用户的所有赞成票，例如将它们更改为反对票（确定赞成票）。
您可能想要单独聚合，不是因为性能问题，而是因为并发问题（问题 2）。
根据性能和您的点赞行为方式，您可能会考虑将其建模为值对象。 （问题 3）
继续read ithttp://dddcommunity.org/library/vernon_2011/
使用 cqrs read/write 分离可能会达到真正的性能提升 http://udidahan.com/2009/12/09/clarified-cqrs/
使用简单的读取模型应该不是问题。对于一个问题，您期望得到最多多少个答案？也许几百对非规范化数据模型来说不是什么大问题。
upvote 事件将由具有少量属性的非常简单的命令触发。
事件处理程序很可能必须加载整个问题。但是通过聚合根 ID 加载这些记录并重放事件非常快。如果每个问题的事件数量非常多（由于答案编辑等），您可以实施快照而不是重放每个事件。该过程是异步完成的，这将使读取模型 "eventually consistent" 具有事件存储。