Read Model vs Write Model : quelle différence en CQRS ?
En CQRS, le Read Model prépare les données à afficher ; le Write Model décide des changements et protège les règles, même face aux demandes concurrentes.
Article
CQRS exige-t-il l’event sourcing ? Le journal devient la référence quand le besoin porte sur l’historique des modifications ou l’état à une date donnée.
CQRS et event sourcing sont souvent présentés ensemble, au point qu’adopter le premier semble obliger à stocker toutes les données sous forme d’événements. CQRS exige-t-il l’event sourcing ? Non : CQRS sépare deux responsabilités, la commande qui décide et la requête qui restitue, et une seule base qui conserve l’état courant suffit pour commencer. L’event sourcing est un autre choix, qui porte sur le stockage : il fait du journal des événements la référence, la source de vérité à partir de laquelle l’état se reconstruit. Il se justifie par le besoin de retrouver l’historique des modifications ou l’état à une date.
Les deux choix voyagent ensemble parce qu’un journal répond mal aux questions qui portent sur beaucoup d’objets et appelle donc des vues de lecture séparées. Un panier reconstruit à partir de son journal montre ensuite ce que ce journal apporte, une correction qui laisse sa trace et un état passé qu’il est possible de retrouver, puis ce qu’il coûte : des événements à relire pendant des années et un rejeu qui ne doit répéter aucun paiement.
Dans CQRS, pour Command Query Responsibility Segregation, le modèle de commande applique les règles lorsqu’un utilisateur demande un changement : il accepte ou refuse. Le modèle de lecture prépare les informations attendues par les écrans ou par d’autres consommateurs, sans prendre de décision métier. C’est la séparation que l’introduction à CQRS décrit avec un exemple de réservation d’hôtel.
Ce choix n’impose ni deux bases de données ni un journal d’événements. Les deux modèles peuvent partager une base qui conserve simplement la dernière version des données : c’est alors cet état courant qui fait foi. Oskar Dudycz le rappelle : rien n’empêche les modèles d’écriture et de lecture d’utiliser les mêmes tables, et l’event sourcing n’est « que » l’une des options possibles pour le stockage, que personne n’est obligé de prendre.
Prenons un panier. Un stockage classique conserve son contenu actuel : deux livres et un carnet. Un stockage fondé sur les événements conserve plutôt les faits successifs : un livre ajouté, un carnet ajouté, un second livre ajouté. En appliquant ces événements dans l’ordre prévu, le système retrouve le contenu du panier. Le journal constitue alors la référence : l’état actuel n’est qu’un résultat qui se recalcule à partir de lui.
Martin Fowler définit l’event sourcing comme le fait de capturer tous les changements de l’état d’une application sous la forme d’une suite d’événements. Dans son exemple de navires, il note qu’un fichier de journal écrit à chaque déplacement donnerait aussi un historique suffisant ; ce qui distingue l’event sourcing, c’est que tous les changements des objets du domaine sont déclenchés par des événements. Publier un événement après une modification ne suffit donc pas à faire de l’event sourcing. Dans de nombreuses applications, les événements servent seulement à prévenir d’autres composants ; l’état enregistré dans les tables reste la référence.
Un journal permet de comprendre l’histoire d’un objet, mais il répond mal à une question qui porte sur beaucoup d’objets, comme « quels clients ont une commande en attente ? ». Pour y répondre, il faudrait rejouer le journal de chaque commande. Des projections, des copies des données préparées pour la lecture et tenues à jour à partir des événements, peuvent préparer cette réponse dans un format adapté.
Greg Young décrit cette relation dans ses CQRS Documents : l’une des plus grandes difficultés de l’event sourcing est l’absence de représentation de l’état courant ; avec CQRS, la seule requête que le modèle de commande doit servir consiste à charger un objet par son identifiant, ce que le journal sait faire. Les autres questions passent par les projections. L’event sourcing conduit donc naturellement à séparer la décision, fondée sur les événements, des vues de lecture. La réciproque ne vaut pas : CQRS n’a besoin d’aucun journal, comme l’a montré la première section.
Young souligne les bénéfices de leur association. Martin Fowler avertit, lui, que pour la plupart des systèmes, CQRS ajoute une complexité risquée. Ces coûts se comparent aux difficultés concrètes de l’application, et le panier permet de les voir.
Reprenons le panier de tout à l’heure, nommé P7, avec un quatrième fait : un livre retiré. Ce journal fictif est ordonné dans le flux du panier P7. Les montants sont absents : cet exemple reconstruit les quantités, pas le prix d’une commande.
| Position | Fait conservé | État obtenu |
|---|---|---|
| 1 | ArticleAjouté : livre, quantité 1 | livre : 1 |
| 2 | ArticleAjouté : carnet, quantité 1 | livre : 1 ; carnet : 1 |
| 3 | ArticleAjouté : livre, quantité 1 | livre : 2 ; carnet : 1 |
| 4 | ArticleRetiré : livre, quantité 1 | livre : 1 ; carnet : 1 |
Le calcul part d’un panier vide, ajoute les quantités des trois premiers faits, puis applique le retrait. Arrêté à la position 3, le même calcul donne l’état du panier à ce moment-là : deux livres et un carnet. Un stockage d’état, qui ne garde que « un livre, un carnet », aurait perdu cette information. C’est ce que Young appelle la possibilité de revenir voir quel était un état à un moment donné.
Pour éviter de tout recalculer à chaque lecture, un instantané peut enregistrer l’état obtenu à une position. Un instantané pris à la position 2 permet de reprendre aux positions 3 et 4 ; il ne doit pas réappliquer le début du flux, qui compterait deux fois le premier livre et le carnet. L’ordre, enfin, est propre à P7 : des horodatages pris sur des machines différentes ne suffisent pas à le reconstruire, car leurs horloges peuvent différer.
Supposons que le second livre ait été ajouté par erreur. Le retrait de la position 4 représente alors la correction métier : il n’efface pas la position 3, il la contrebalance. Young nomme ce geste une contre-passation (reversal transaction), comme en comptabilité : les données ajoutées ramènent l’objet à l’état qu’il aurait eu sans l’erreur, et laissent la trace qu’il a été un moment dans l’autre état.
Un défaut du programme se corrige autrement. Si le programme qui calcule la vue du panier avait compté chaque ajout deux fois, le journal serait juste et la vue fausse : il faudrait corriger le calcul et reconstruire l’état. Fowler le dit pour les traitements internes : il suffit de corriger, puis de retraiter les événements. Ajouter de faux retraits pour compenser polluerait le journal avec des décisions que personne n’a prises.
Les événements sont conservés longtemps, tandis que le code et le métier évoluent. Supposons qu’une ancienne version d’ArticleAjouté ne contienne pas quantité, parce qu’un événement représentait alors toujours une unité. Un lecteur compatible peut interpréter l’absence comme 1 pour cette version identifiée. Il ne doit pas appliquer ce défaut aux versions futures, où l’absence de quantité serait une erreur. Le sens historique de chaque version d’événement fait partie du contrat à conserver, et chaque évolution du code doit continuer de le respecter.
Le rejeu demande aussi de l’attention. Reconstruire le panier ne doit pas renvoyer les courriels ni répéter les paiements réalisés dans le passé : les effets externes doivent être distingués du calcul de l’état. Fowler propose pour cela d’envelopper chaque système externe dans une passerelle : pendant une reconstruction, la passerelle peut être désactivée sans que la logique du domaine le sache, et c’est elle seule qui décide de transmettre ou non l’appel.
Les instantanés accélèrent la reconstruction d’un historique long, mais ils ajoutent un mécanisme à maintenir : un instantané calculé par un ancien programme peut contenir l’erreur qu’un nouveau programme vient de corriger. Ils ne dispensent pas de vérifier que le journal permet bien de retrouver le résultat attendu.
Le panier P7 montre enfin une limite que le nom du procédé peut faire oublier. Son journal ne permet pas de retrouver le prix accepté par le client, puisque ce prix n’a jamais été enregistré. Conserver « tous les événements » ne garantit pas de conserver toute information utile : seulement celles qu’un événement a enregistrées.
La pratique défendue ici consiste à structurer avec CQRS tout domaine qui porte des règles métier, sur une seule base au départ. Des préférences simples, enregistrées et réaffichées sans règle à protéger, restent du CRUD, hors de ce cadre. Le fait que plusieurs utilisateurs modifient les mêmes données ne décide pas à lui seul du choix d’un journal : la concurrence se protège aussi sur un état courant.
L’event sourcing, lui, se décide à partir d’un besoin précis : faut-il conserver l’historique des modifications comme référence, ou retrouver l’état à une date ? Un journal devient alors un candidat à comparer avec ses coûts de compatibilité, de reconstruction et de correction. Si seul l’état courant importe, cet état reste la référence et les vues de lecture se reconstruisent depuis lui : l’outil du chapitre CQRS de Cosmic Python interroge ainsi l’état actuel du côté écriture. Le choix du stockage peut donc différer d’un domaine à l’autre de la même application.
Pour le panier P7, dont le seul besoin est de retrouver les quantités actuelles, gardez un stockage d’état, accompagné de l’audit nécessaire. Si le métier exigeait d’expliquer les modifications successives et de reconstruire les états passés à partir des faits enregistrés, par exemple le second livre ajouté puis retiré, le journal deviendrait un candidat sérieux, avec son coût de compatibilité. Dans les deux cas, CQRS structure de la même façon la décision et la restitution : l’event sourcing change ce qui fait référence, avec les coûts de versions, d’instantanés et de rejeu décrits plus haut.
Explorer
Choisis dans l’index d’après les étiquettes de cet article — les plus proches d’abord, hors de sa série. Rien n’est écrit à la main : un article publié demain avec les mêmes étiquettes y prendra place.
En CQRS, le Read Model prépare les données à afficher ; le Write Model décide des changements et protège les règles, même face aux demandes concurrentes.
Deux clients achètent le dernier billet : comment éviter la double vente et envoyer la confirmation ? Transaction, concurrence et outbox expliquées pas à pas.
Une liste de commandes, une recherche et un tableau de bord ont des besoins différents. Le read model prépare ces vues et permet de gérer leur mise à jour.
Laisser un commentaire
Votre commentaire sera relu avant d'être publié.