DDD事件溯源下ResourceField删除引发大量Resource更新的建模求助

模型代码 #

type Resource struct {
    id          string
    tenantID    string
    FieldValues map[string]interface{}
    created     time.Time
    updated     time.Time
}

type ResourceField struct {
    id        string
    tenantID  string
    name      string
    fieldType string
    created   time.Time
    updated   time.Time
}

问题描述 #

我是领域驱动设计（DDD）新手，需借助事件溯源完成上述模型建模。此场景中ResourceField为全局概念，对所有Resource实例通用。

我尝试将两者均建模为聚合根（AR），但删除ResourceField时需更新所有Resource实例，移除其FieldValues映射中对应键。执行删除命令后会发布事件，Resource监听该事件需加载所有关联Resource逐一更新并保存新事件，当Resource数量达数十万级时存在性能问题，特此求助。

解决方案 #

1. 调整模型边界，剥离ResourceField的聚合根身份 #

既然ResourceField是全局通用的元数据，没必要作为聚合根处理。把它当成资源字段的规则配置，单独存放在元数据存储（比如独立表、配置库）中，不用纳入事件溯源的聚合根体系。

2. 让Resource动态过滤无效字段，而非硬同步 #

修改Resource的业务逻辑：

• 不实时删除Resource中FieldValues的无效键值对，而是在读取、使用FieldValues时，根据当前有效的ResourceField元数据做过滤。
• 事件溯源只记录Resource字段的新增、修改操作，ResourceField的删除操作仅在元数据层面标记，无需触发Resource的更新事件。

举个业务逻辑示例：

// 伪代码：获取Resource的有效字段值
func (r *Resource) GetValidFieldValues(activeFields map[string]ResourceField) map[string]interface{} {
    validValues := make(map[string]interface{})
    for key, value := range r.FieldValues {
        if _, exists := activeFields[key]; exists {
            validValues[key] = value
        }
    }
    return validValues
}

3. 异步批量清理（可选优化） #

如果担心FieldValues中堆积过多无效数据占用存储，可以做异步批量清理：

• 订阅ResourceField的删除事件，触发异步任务，批量扫描Resource的事件流，清理对应字段的历史修改记录。
• 或者在生成Resource快照时，自动过滤掉无效字段，逐步淘汰旧的无效数据。

4. 核心逻辑补充 #

聚合根的核心是维护领域内的强一致性，当ResourceField删除不需要强一致地立即同步到所有Resource时，强行让两者绑定只会制造性能瓶颈。通过元数据与业务数据解耦，用查询时的过滤替代全量更新，是解决这类大规模数据同步问题的关键。

内容的提问来源于stack exchange，提问作者Samuele