🦉

フクロウと学ぶアーキテクチャ #4 ─ イベント駆動アーキテクチャ(EDA / CQRS / Event Sourcing)

に公開
2025/12/08

※本記事は個人の知見と学習の記録であり、所属組織の見解を代表するものではありません。

🦉フクロウと学ぶアーキテクチャ #4

イベント駆動アーキテクチャ(EDA) ─ “状態”ではなく“変化”を見るという発想転換

ソフトウェアアーキテクチャの旅も、4ページ目に入りました。
ここまでレイヤード → ドメイン中心 → マイクロサービス と進み、ようやく「分散」や「境界線」を扱えるようになってきた私たち。

そして今回の主役は、そこからさらに一段抽象度が上がる世界——
イベント駆動アーキテクチャ(Event-Driven Architecture: EDA) です。

EDA

EDAを一言で言えばこうです。

“状態”ではなく、“状態が変化した瞬間”を扱うアーキテクチャ。

Slack、Uber、Netflix、Amazon など大規模サービスが採用し、AIエージェント時代にも非常に相性がいいと言われるのが、この イベント駆動 という考え方です。

では、一緒に見ていきましょう。


1. イベント駆動とは何か ─ 状態そのものより「変化」を主軸にする

レイヤードやClean Architecture は主に 構造的な整理の仕方 の話でした。
マイクロサービスは 責務と境界の切り方 の話でした。

イベント駆動は、それらとは少し方向が違います。
これは アプリケーションの“動き方”そのものを変える発想 です。

■ EDA の最もシンプルな形

  • 何かが起こる(=イベント)
  • それを購読しているサービスが反応する
  • 次のイベントを発生させる
  • …という連鎖でシステムが動く

EDA-simple

よくあるイベントの例

  • 「注文された」
  • 「在庫が減った」
  • 「支払いが完了した」
  • 「ユーザーがログインした」
  • 「AIエージェントがタスクを完了した」

Netflix のレコメンド、Uber の位置情報連動、Slack のリアルタイム通知などは、システム内部で無数のイベントが流れています。


2. “同期”をやめると世界が変わる:イベント駆動が生まれた理由

従来のサービスはこういう会話をしていました。

注文サービス:「在庫ある?」  
在庫サービス:「あるよ」  
注文サービス:「じゃあ注文確定ね」

つまり 同期的(応答待ち)です。

しかしサービスが増えると、これは次のような問題に膨らみます。

  • サービス A が落ちていると B も止まる
  • 依存が依存を呼び、複雑につながる
  • トラフィックが集中すると一気に遅くなる
  • スケールさせたい箇所がわからない

そこで登場したのが…

「問い合わせるんじゃなくて、起こったことだけを流しておけばいい」

という 非同期連携 の世界です。

同期vs非同期

Netflix の内部資料でも言及されるように、
“サービス間の結合をどれだけ緩くできるか” は、運用・拡張性の生命線です。


3. EDA を構成する 3 つのキーワード

本記事ではこの 3 つを中心に進めます。

  1. EDA(Event-Driven Architecture)
    └ 変化(イベント)を軸にサービスを連動させる方式

  2. CQRS(Command Query Responsibility Segregation)
    └ 読み取りと書き込みをモデルごと分離してスケールさせる

  3. Event Sourcing
    └ “現在の状態”ではなく、“イベントの履歴”そのものを保存する

3つは別物ですが、組み合わせて最大限の効果を発揮します。

(ちなみに Slack の Audit Logs、Box のイベントログ、GitHub の Webhook なども Event Sourcing の思想に近いものです。)


4. CQRS ─ 読み取りと書き込みはそもそも性質が違う

CQRS は “イベント駆動のパワーアップ装置” です。

通常の CRUD モデルはこうです。

1つのモデルが  
・書き込み(Command)  
・読み取り(Query)  
両方を担当する

しかし大規模になるほど、次のような問題に直面します。

  • 読み取りの負荷ばかり増えてスケールしない
  • 書き込み処理が複雑で遅い
  • 集計ビューがどんどん重くなる

そこで思い切って分離します。

書き込み用のモデルと読み取り用のモデルは別々に持とう
(=Command Model / Query Model)

Python の簡易例(抜粋):

# 書き込み(Command)
service.create_order(order_id, items)

# 読み取り(Query)
order = query_model.get_order(order_id)

GitHub のサンプルを置く場合は samples/event-driven/cqrs-basic のような構成が向いています。


5. Event Sourcing ─ “状態そのもの”ではなく“履歴”を保存する

Event Sourcing(イベントソーシング)はもっと大胆です。

通常の保存方式

「現在の状態」だけ保存する(RDBの1行が常に最新状態)

Event Sourcing 方式

「状態がどう変化してきたかの履歴」を永続化する

例:注文の状態がこう変遷したとします

  • 注文作成された
  • 支払い完了した
  • 在庫確保された
  • 出荷された

Event Sourcing では、このひとつひとつを保存します。

すると何が嬉しいのでしょうか?

  • 状態の再構築ができる(障害にも強い)
  • 集計や監査証跡が極めて取りやすい
  • 多数の読み取りビュー(Projection)を柔軟に作れる
  • 時系列の分析(AI分析とも相性が良い)

Slack が「すべてをイベントとして扱う」設計をしているのは有名です。
AI エージェントとの相性も抜群で、イベントログが“学習データ”になるからです。

EDA


6. EDA + マイクロサービスの“黄金コンボ”

イベント駆動は単体でも使えますが、マイクロサービスと併用すると極めて強力です。

マイクロサービスの問題点を EDA が解決する

  • 通信増えすぎ問題 → 非同期化で吸収
  • 依存関係のスパゲッティ化 → イベントハブで疎結合に
  • スケールポイントの不明瞭さ → イベント消費者ごとに独立スケール
  • 障害伝播 → イベントキューでバッファリング

Uber の dispatch system、Netflix のストリーミング処理、Amazon のオーダー処理はどれもイベント駆動が核になっています。

本記事のサンプルコードも EventBus → 各 Consumer という疎結合構成を取り、
マイクロサービス化した際の構造変化をイメージしやすい作りになっています。


Python で体験するミニ Event-Driven(サンプル抜粋)

この記事のコード抜粋は概念理解のための最小例です。
GitHub には、Billing / Inventory / Notification など
EDA のイベント連鎖が実際に動く 完全版サンプル を置いてあります。

samples/
  event-driven/
    simple-eda/
      event_bus.py
      producers/
      consumers/
      domain/

抜粋のみ紹介します。

# event_bus.py
class EventBus:
    def __init__(self):
        # {イベント型: [ハンドラ]} のシンプルな in-memory 管理
        self.subscribers = {}
        self.event_log = []  # ← GitHub 版にはイベントログもあり、Event Sourcing の最小体験ができる

    def publish(self, event):
        # 発行されたイベントをログに保存し、購読者に通知
        self.event_log.append(event)
        for handler in self.subscribers.get(type(event), []):
            handler(event)

    def subscribe(self, event_type, handler):
        # 購読登録(複数ハンドラをぶら下げられる)
        self.subscribers.setdefault(event_type, []).append(handler)

この記事の抜粋でも “Publish → Subscribe” の基本は動きますが、
実際の GitHub サンプルでは Billing / Inventory / Notification が連鎖的に反応し、
OrderCreated → PaymentSucceeded → InventoryReserved → OrderCompleted の流れが再現されています。

こちらを参照すると、イベント連鎖の理解がより深まります。


どんなときに EDA を採用すべきか

観点 EDAが向いているケース 向いていない/慎重な方がよいケース
イベント量・更新頻度 ログ・更新が常に飛び交うSaaS, EC, 配車システム 日次バッチ中心、数少ない取引
機能の変更頻度 ドメインやフローの変更が頻繁 ほとんど変化しない業務
一貫性要求 最終的整合性でOK 常に強整合性が必要(決済元台帳など)
可観測性・監査 監査ログ・追跡が重要 ログ要件がそこまで厳しくない
運用基盤(メッセージング) Kafka / SNS+SQS などを運用できる メッセージ基盤を持てない/運用が難しい

✔ 採用が向いている場面

  • 大量のイベント(ログ・更新)が飛び交うサービス
  • 頻繁に変更される機能が多いプロダクト
  • 可観測性・監査証跡が重要(金融・SaaS)
  • AIエージェントのタスク実行ログを扱う
  • マイクロサービスと共存させる場合

✖ 避けたほうが良い場面

  • 小規模で同期中心のサービス
  • 一貫性をシンプルに保ちたい場合(強整合性が必須)
  • イベント量が少ないモノリス
  • 運用基盤(Kafka など)を持てない環境

EDA は強力ですが、「すべてのシステムに適用すべき魔法」ではありません。


まとめ

イベントを見ると世界が変わる

実際に GitHub のサンプルを動かしてみると、
コード同士が一切お互いを呼んでいないのに処理が連鎖していく
という EDA の“気持ちよさ”を体験できます。

イベント駆動アーキテクチャは、単なる技術のひとつではありません。
“物事の見方そのものを変える” パラダイムです。

  • 状態ではなく 変化 を扱う
  • 同期ではなく 非同期 を基本にする
  • モデルではなく 履歴 を保存する
  • 個別サービスではなく 流れ に着目する

次のページでは、このイベント駆動が
クラウドネイティブ や AIエージェント時代の制御プレーン とどう接続していくのかを探っていきます。

あなたとフクロウの旅は、まだまだ続きます🦉


用語ミニ辞典

イベント(Event)
何かが起こったという事実を表す情報。

EDA(Event-Driven Architecture)
イベントを中心にサービスを連動させるアーキテクチャ。

CQRS
読み取り(Query)と書き込み(Command)を分離する設計。

Event Sourcing
イベント履歴そのものを永続化し、状態を履歴から再構築する方式。

Projection(投影)
Event Sourcing のイベント群から作る読み取り用のビュー。

Event Bus / Event Hub
イベントを配信・中継する仕組み。Kafka / SNS+SQS などが代表例。
本記事の GitHub サンプルの EventBus は「最小構成版」で、
ここから Kafka や Pub/Sub に置き換えていくのが実サービスへの発展パスになります。

Discussion