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)
※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

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。

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。
-
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 -
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 -
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。

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