Log je pravda, projekce je odvozená

Rejstřík publikuje neměnný, číselně uspořádaný proud akcí. Systém, který si z něj udělá jen aktuální tabulku, zahodí jedinou vlastnost, kterou zdroj dává zadarmo — možnost vrátit se k tomu, co bylo řečeno, a přečíst to znovu jinak.

Replika: append-only log akcí, idempotentní podle ID akce
Projekce: odvozená, kdykoli znovu postavitelná, nikdy ručně nepatchovaná
Oprava: oprav projektor, zvyš jeho verzi, přehraj z logu
Stav: archiv feedu existuje; replika a projektor v databázi jsou plánované (fáze 1)

Co je nedotknutelné

Replika a úložiště dokumentů. Všechno ostatní je odvozené a znovu postavitelné, a zálohovací politika neplyne z ničeho jiného než z téhle věty.

%% title: Oprava je přehrání, ne ruční UPDATE
%% caption: Replika se nikdy needituje. Chyba v interpretaci se opraví v projektoru, zvýší se jeho verze a projekce se přehraje z logu; extrakce se nevolá znovu, protože je v cache.
flowchart LR
  LOG[("Replika<br/>neměnné akce")] --> P1["Projektor vN"] --> V1[("Projekce vN")]
  V1 -. "chyba v interpretaci" .-> FIX["Oprava projektoru<br/>verze vN+1"]
  LOG --> P2["Projektor vN+1"]
  FIX --> P2
  CACHE[("Cache extrakcí")] --> P2
  P2 --> V2[("Projekce vN+1")]
  BAD["Ruční UPDATE"] -. "zakázáno" .-x V1
  click LOG href "/architecture/event-sourcing-protoze-zdroj-je-event-stream" "Event sourcing"
  click CACHE href "/architecture/vysledky-extrakce-jsou-cachovane" "Výsledky extrakce jsou cachované"
  click V1 href "/roadmap/projekce" "Projekce"
  click V2 href "/roadmap/projekce" "Projekce"
  click BAD href "/about/log-je-pravda-projekce-je-odvozena" "Log je pravda, projekce je odvozená"
  class V1 st-in_progress
  class V2 st-in_progress

# Oprava je přehrání, ne ruční UPDATE. Replika se nikdy needituje. Chyba v interpretaci se opraví v projektoru, zvýší se jeho verze a projekce se přehraje z logu; extrakce se nevolá znovu, protože je v cache.

Barva uzlu je stav položky na roadmapě: Rozpracováno

Proč to není jen otázka elegance

Interpretace zdroje se bude měnit — u dokumentů, které jsou převážně skeny, se mění pokaždé, když se najde nový tvar formuláře. Kdyby oprava interpretace znamenala znovu stáhnout rejstřík, narazila by na strop 3000 požadavků denně a tým by ji odložil.

Odložená oprava je ve skutečnosti neprovedená oprava. Přehrání logu z toho dělá rutinní operaci, která nikoho nic nestojí a nikoho o nic neprosí.

Co se tím nezískává

Event sourcing neřeší, jestli je interpretace správná. Řeší jen to, že se dá opravit. Kvalita dat pořád stojí na extrakci, prahu spolehlivosti a lidské kontrole.

Kde to v repozitáři žije

docs/ARCHITECTURE.md — pět definujících rozhodnutí a chování při selhání
docs/INGESTION.md — poll smyčka, checkpoint, backfill versus živý provoz, přehrávání
docs/runbooks/replay.md — runbook přehrání projekce

Souvisí

Event sourcing, protože zdroj je event stream

Systém je konzumentem oficiálního proudu událostí. Z něj staví lokální append-only repliku a z ní přehrává projekci aktuálního stavu. Oprava chyby v interpretaci znamená přehrát log, ne znovu stahovat rejstřík.

Detail

Výsledky extrakce jsou content-addressed a cachované

Dokument je identifikovaný SHA-256 svých bajtů a výsledek extrakce je uložený proti tomuto hashi. Přehrání projekce znovu použije cache a nespustí OCR ani LLM. Bez toho by každá oprava projektoru stála celý backfill znovu.

Detail

Zpět na sekci O projektu