---
id: P-REINFORCE-WIKI-8CF68984
category: "10_Wiki/💡 Topics/02_Architecture_Principles"
confidence_score: 0.95
tags: ['event-sourcing', 'cqrs', 'event-driven-architecture', 'domain-driven-design-(ddd)', 'eventual-consistency', 'architecture-principles']
last_reinforced: 2026-05-02
---

# [[Event Sourcing]]

## 📌 Brief 신Summary
이벤트 소싱(Event Sourcing)은 애플리케이션 상태에 대한 모든 변경 사항을 불변의 이벤트 시퀀스로 캡처하여 추가 전용 로그(Append-only log)에 저장하는 아키텍처 패턴입니다 [1]. 시스템의 현재 상태를 직접 덮어쓰는 대신 이벤트 이력을 통해 과거 어느 시점의 상태든 재구성할 수 있는 것이 특징입니다 [2]. 주로 실시간 데이터 처리, 완벽한 감사 추적(Audit trail), 복잡한 비즈니스 워크플로우가 필요한 시스템에 널리 사용됩니다 [1, 3].

## 📖 Core Content
*   **작동 원리 및 상태 재구성 (State Rebuilding):** 이벤트 소싱은 데이터베이스, 웹 서버, 타겟 시스템에 연속적인 메시지 스트림을 보내 통신합니다 [1]. 시스템의 데이터 상태를 덮어쓰며 업데이트하는 대신 발생한 모든 이벤트를 순차적으로 저장하며, 이 이벤트 기록을 통해 과거의 시스템 상태를 완벽하게 재구성(Recreate)할 수 있습니다 [2].
*   **디버깅 및 시간적 분석 (Temporal Analysis):** 모든 상태 변경 이력이 불변(Immutable) 상태로 보존되기 때문에, 이벤트를 다시 재생(Replay)함으로써 버그를 정확히 재현하고 추적할 수 있는 강력한 디버깅 이점을 제공합니다 [4]. 또한, "과거 특정 날짜의 계좌 잔액 표시"와 같은 시간적 데이터 분석 쿼리를 가능하게 합니다 [3].
*   **비즈니스 워크플로우 및 감사(Audit) 적용:** 금융 트랜잭션의 컴플라이언스와 지불 거절 조사, 헬스케어, 주문 이력의 전체 추적이 필요한 이커머스 등 엄격한 감사 추적이 필수적인 시스템에 매우 적합합니다 [3, 5, 6]. 롤백이 포함된 복잡한 비즈니스 워크플로우를 관리하는 데에도 유리하며, 대표적인 실제 사례로 버전 관리를 수행하는 Git이 이 패턴을 사용합니다 [3, 5].
*   **CQRS 패턴과의 강력한 시너지:** 이벤트 소싱은 종종 **CQRS(Command Query Responsibility Segregation)** 패턴과 강력하게 결합하여 구현됩니다 [3]. 이 조합을 통해 감사 추적 기능을 지원하는 동시에 데이터의 읽기(Read) 작업과 쓰기(Write) 작업을 분리하여 시스템 성능을 최적화할 수 있습니다 [4, 7].

## ⚖️ Trade-offs & Caveats
*   **러닝 커브 및 패러다임 전환:** 기존의 CRUD(Create, Read, Update, Delete) 사고방식에서 벗어나 이벤트 기반의 사고로 전환해야 하므로 가파른 학습 곡선이 요구되며, **도메인 주도 설계(Domain-Driven Design, DDD)** 에 대한 전문 지식이 부족한 팀에게는 도입이 권장되지 않습니다 [3, 4].
*   **일관성 제약 (Eventual Consistency):** 시스템이 즉각적인 일관성(Immediate consistency)보다 **궁극적 일관성(Eventual consistency)** 에 의존하게 되므로, 즉각적인 데이터 일치가 필수적인 단순 CRUD 앱에는 적합하지 않습니다 [3]. 
*   **버전 관리의 복잡성:** 시간이 지남에 따라 이벤트의 구조(Schema)가 변경될 때, 각 버전들을 관리하고 처리하는 작업이 매우 복잡해집니다 [4].
*   **성능 및 스토리지 비용 문제:** 누적된 수백만 개의 이벤트로부터 상태를 재구성하는 것은 성능상 비효율적일 수 있어 상태를 요약하는 **스냅샷(Snapshots)** 기능이 반드시 필요합니다 [4]. 또한, 지속적으로 증가하는 이벤트 로그로 인해 스토리지 저장 비용이 크게 증가합니다 [4].

## 🔗 Knowledge Connections

### Related Concepts

#### [아키텍처/패턴 조합]
- [[CQRS]]
  - 연결 이유: 이벤트 소싱 패턴과 결합하여 쓰기 작업과 읽기 작업의 모델을 분리하고 최적화하기 위해 빈번하게 함께 사용되는 아키텍처 패턴입니다 [3, 4].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 데이터를 비동기 이벤트로 저장하는 것과, 사용자에게 빠르게 데이터를 조회해 주는 읽기 전용 모델을 어떻게 분리하고 동기화할 수 있는지 이해할 수 있습니다.
- [[Event-Driven Architecture]]
  - 연결 이유: 이벤트 소싱은 이벤트 기반 아키텍처 내에서 영속성(Persistence) 메커니즘으로 작동할 수 있습니다 [2, 7].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 생성된 불변 이벤트가 시스템 전반의 브로커/채널을 통해 어떻게 다른 서비스로 비동기 전파되는지 큰 그림을 파악할 수 있습니다.

#### [설계 원칙 및 기반 개념]
- [[Domain-Driven Design (DDD)]]
  - 연결 이유: 이벤트 소싱을 설계하고 구현하기 위해서는 비즈니스 도메인의 이벤트를 정확하게 식별해야 하므로 DDD 전문 지식이 필수적으로 요구됩니다 [3].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 복잡한 비즈니스 워크플로우를 소프트웨어 구조로 변환할 때, 상태 변경의 주체와 이벤트의 단위를 어떻게 정의해야 하는지 통찰을 제공합니다.
- [[Eventual Consistency]]
  - 연결 이유: 이벤트 소싱은 데이터를 즉시 동기화하지 않고 비동기식으로 상태를 일치시키기 때문에, 이 개념에 대한 이해가 필수적입니다 [3].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 분산 시스템에서 데이터가 최종적으로 일관성을 갖게 되는 과정과 그로 인해 발생하는 일시적인 데이터 지연(Lag) 현상을 이해할 수 있습니다.

#### [구현/활용 메커니즘]
- [[Append-only log]]
  - 연결 이유: 이벤트 소싱에서 데이터의 변경 사항(이벤트)을 저장하는 핵심적인 불변 데이터 저장 방식입니다 [1].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 데이터베이스에서 왜 Update나 Delete가 수행되지 않고 Insert만 지속적으로 일어나는지에 대한 물리적 저장 원리를 배울 수 있습니다.
- [[Snapshots]]
  - 연결 이유: 엄청난 양의 이벤트 로그로부터 시스템 상태를 재구성할 때 발생하는 성능 저하 문제를 해결하기 위한 기술적 보완 장치입니다 [4].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 이벤트 소싱의 성능 한계를 최적화하는 전략과, 효율적인 상태 복원 메커니즘을 파악할 수 있습니다.

### Deeper Research Questions
- 기존의 CRUD 방식과 비교하여, 이벤트 소싱 아키텍처에서 이벤트 구조(Schema)가 변경되었을 때 발생하는 버전 관리의 복잡성을 어떻게 안전하게 해결할 수 있는가?
- [[CQRS]]와 이벤트 소싱을 결합한 환경에서, 이벤트가 읽기 모델(Read Model)로 반영되기까지 발생하는 궁극적 일관성(Eventual Consistency)으로 인한 지연(Latency) 문제를 어떻게 최소화할 것인가?
- 수백만 개의 이벤트 로그가 쌓인 상황에서 애플리케이션 상태를 효율적으로 재구성하기 위한 [[Snapshots]]의 생성 시점과 주기 최적화 전략은 무엇인가?
- 상태를 롤백(Rollback)하거나 재현(Replay)할 때, 메일 발송이나 외부 결제 등 이미 외부 시스템과 연동되어 발생한 부작용(Side-effects)을 어떻게 멱등성(Idempotency) 있게 통제할 것인가?
- [[Domain-Driven Design (DDD)]]의 어떤 원칙들이 이벤트 소싱의 성공적인 이벤트 식별과 모델링에 결정적으로 작용하는가?

### Practical Application Contexts

- **Implementation:** 데이터베이스에서 데이터를 갱신(Update)하거나 삭제(Delete)하지 않고, 발생하는 모든 상태 변경 행위를 이벤트 객체로 캡슐화하여 [[Append-only log]] 형태로 데이터 저장소에 지속적으로 추가하는 방식으로 구현합니다.
- **System Design:** [[CQRS]] 패턴과 결합해 시스템을 설계하며, 이벤트 로그 저장소와 읽기 전용 데이터베이스를 물리적/논리적으로 분리하고 [[Eventual Consistency]]를 감내할 수 있도록 비동기 메시지 스트림으로 연결합니다.
- **Operation / Maintenance:** 데이터베이스 스토리지 비용의 증가를 관리해야 하며, 운영 중 발생하는 시스템 장애나 버그에 대해 과거 이벤트를 재현(Replay)함으로써 문제를 빠르게 디버깅할 수 있습니다. 주기적인 [[Snapshots]] 생성 스케줄링 운영이 필요합니다.
- **Learning Path:** 관계형 데이터베이스와 CRUD에 익숙한 개발자는 먼저 [[Domain-Driven Design (DDD)]]을 학습하여 비즈니스 행동 자체를 이벤트로 도출하는 '이벤트 기반 사고방식'으로 전환하는 훈련이 필요합니다.
- **My Project Relevance:** 금융, 의료, 이커머스의 주문 상태 추적과 같이 데이터의 생성 맥락과 완벽한 감사 추적(Audit trails), 시점별 이력 분석이 법적/비즈니스적으로 핵심인 시스템을 개발할 때 최적의 전략이 됩니다.

### Adjacent Topics

- [[Microservices Architecture]]
  - 확장 방향: 마이크로서비스 간의 데이터 동기화와 분산 트랜잭션 관리를 위해 이벤트 소싱을 결합하여, 각 서비스가 자율적으로 이벤트 스트림에 반응하게 하는 패턴 설계로 확장이 가능합니다.
- [[Stream Processing]]
  - 확장 방향: 단순히 이벤트를 저장하는 것을 넘어, 생성되는 연속적인 이벤트 메시지 스트림을 실시간으로 분석, 필터링 및 변환하는 파이프라인(예: Kafka 기반 스트리밍) 기술 학습으로 발전시킬 수 있습니다.

---
*Last updated: 2026-05-02*