重播事件以进行调整
Replay events for adjustments
假设我正在开发一个系统，该系统使用 "Event Sourcing"（存储业务事件）来购买和销售材料；有时会生成一份包含价格和成本信息的报告。
假设我的一位客户打电话给我说，"The costs are wrong, for me, the rules from profit are this way"。
我可以添加更多处理程序或更改规则以适应这种特殊情况，然后重播事件。
但我的问题是，这是正确的方法（或至少更好）吗？
在事件源系统中，事件是不可变的 - 发生的事情的简单事实。改写事件的历史是一件根本不会做的事情[1]。
根据这些事件更改得出结果的计算逻辑绝对是一件很正常的事情（这是即使是采购也能实现的关键事情之一）。
您是实际更改代码还是同时提供替代算法是一个选择问题 - 如果原始算法实际上是一个错误（听起来像您的情况），请更改代码。如果没有，写一个新的。
在某些情况下（通常不建议），总是从原始事件开始处理所有事情；如果是这样，你只需要改变你的推导逻辑就大功告成了。
如果您投影事件并非规范化为持久存储，并确定该情况代表bug，正常做法是：
- 吹走现有的非规范化状态
- 重播事件以产生预期的替代推导
请注意，只有当您有一个非短暂的非规范化状态存储，该存储保留基于现在被取代的基础上计算的值时，这才会起作用。 （将非规范化状态投射到内存中是完全有效的；在这种情况下，'blowing away' 更简单）。
另一种情况是您已经实施了快照优化 - 在这种情况下，您也会重新投影以不同方式进行非规范化。
[1] 是的，有一些奇特的案例可以证明它是合理的，但那是 .001% 的案例
假设我正在开发一个系统，该系统使用 "Event Sourcing"（存储业务事件）来购买和销售材料；有时会生成一份包含价格和成本信息的报告。
假设我的一位客户打电话给我说，"The costs are wrong, for me, the rules from profit are this way"。
我可以添加更多处理程序或更改规则以适应这种特殊情况，然后重播事件。
但我的问题是，这是正确的方法（或至少更好）吗？
在事件源系统中，事件是不可变的 - 发生的事情的简单事实。改写事件的历史是一件根本不会做的事情[1]。
根据这些事件更改得出结果的计算逻辑绝对是一件很正常的事情（这是即使是采购也能实现的关键事情之一）。
您是实际更改代码还是同时提供替代算法是一个选择问题 - 如果原始算法实际上是一个错误（听起来像您的情况），请更改代码。如果没有，写一个新的。
在某些情况下（通常不建议），总是从原始事件开始处理所有事情；如果是这样，你只需要改变你的推导逻辑就大功告成了。
如果您投影事件并非规范化为持久存储，并确定该情况代表bug，正常做法是：
- 吹走现有的非规范化状态
- 重播事件以产生预期的替代推导
请注意，只有当您有一个非短暂的非规范化状态存储，该存储保留基于现在被取代的基础上计算的值时，这才会起作用。 （将非规范化状态投射到内存中是完全有效的；在这种情况下，'blowing away' 更简单）。
另一种情况是您已经实施了快照优化 - 在这种情况下，您也会重新投影以不同方式进行非规范化。
[1] 是的，有一些奇特的案例可以证明它是合理的，但那是 .001% 的案例