Event sourcing asks you to stop overwriting your data. In a traditional CRUD application, updating a user’s shipping address means finding the row, changing the value, and discarding the previous state. Event sourcing takes a different path. It stores each change as an immutable fact: a user created an account, updated their address, verified their email. The current state of the system is not stored directly. It is computed by replaying these events in order.
This pattern solves real problems. Audit trails become free byproducts. You can reconstruct the state of an order at any past moment. You can debug by replaying exactly what happened. The trade-off is complexity. You now manage streams of facts, read models, and eventual consistency instead of simple rows.
PostgreSQL can act as your event store. Most teams already run it. It offers ACID transactions, JSONB for flexible payloads, and proven backup tools. You do not need to introduce Kafka, Cassandra, or a specialized event-store database on day one. A standard Postgres instance gives you the transactional guarantees and audit trails that event sourcing demands without expanding your infrastructure footprint.
The Shape of a Postgres Event Store
The schema can be almost embarrassingly simple. At minimum, you need a table that appends events and never updates them in place. A practical design looks like this:
idas a bigserial or UUID, serving as the global ordering.stream_idto group related events, such as all changes for a single user or order.event_typeas plain text:UserEmailChanged,PaymentReceived,InventoryAdjusted.payloadas JSONB, holding the specific data for that occurrence.occurred_atwith timezone precision.versionper stream, enforcing optimistic concurrency.
You enforce the immutability rule in application code or with a database constraint. A unique index on (stream_id, version) prevents two writers from appending the same sequence number. When a command comes in, you read the current version for that stream, increment it, and insert the new event inside a transaction. If another process beat you to it, the unique constraint fails, and you retry or reject the command.
Consider a concrete example. You run an inventory system. Instead of a single inventory row with a quantity column, you append events to a inventory_events table. ItemReceived adds ten units. ItemReserved removes two. ItemShipped removes three. To know the current stock for SKU-42, you sum the relevant event payloads. To know the stock three days ago, you sum only up to that timestamp. If a bug in your shipping logic caused an error last Tuesday, you replay the events through corrected code to get the true state. You cannot do that with a simple UPDATE statement.
Principles That Keep You Out of Trouble
Building on Postgres does not remove the need for discipline. The following principles apply directly to event-sourced systems.
Keep it simple. Complexity kills reliability. Resist the urge to build a generic event framework before you have shipped one working flow. A single table, a repository function to append events, and a projection worker to build read models are enough to prove value. Add tools only when a concrete problem appears.
Start small. Do not rewrite your entire monolith. Pick one bounded context where the audit trail pays for the overhead. A billing ledger, a workflow engine, or an inventory reservation system are good candidates. Build that one pipeline end-to-end. Let it run in production. Then decide whether to expand.
Define success first. Event sourcing is not a default architecture; it is a solution to specific needs. If your requirement is only to track the latest state, CRUD is faster and cheaper. If you need temporal queries, strict auditability, or the ability to rebuild read models on demand, then events make sense. Know which problem you are solving before you commit.
Measure before you optimize. Modern PostgreSQL on modest hardware can ingest thousands of events per second with a simple append-only table. Do not shard your event store or introduce complex partitioning schemes until your monitoring proves you have exhausted simpler fixes. Index the fields you query. Tune autovacuum for append-only workloads. Then measure again.
Testez tout. Effectuez des tests unitaires sur vos gestionnaires d'événements. Testez l'intégration du chemin d'ajout (append path). Plus important encore, testez les scénarios d'échec. Que se passe-t-il lorsque deux nœuds ajoutent des données au même flux simultanément ? Que se passe-t-il lorsqu'un worker de projection plante au milieu d'un lot (batch) ? Écrivez des tests qui vérifient votre concurrence optimiste et vos garanties de livraison « au moins une fois » (at-least-once delivery).
Surveillez en production. La table des événements va croître. Contrairement à un schéma normalisé où les mises à jour maintiennent un nombre de lignes stable, l'event sourcing est intentionnellement additif. Suivez la taille de la table, les E/S disque et le décalage (lag) entre votre modèle d'écriture et vos projections de modèle de lecture. Configurez des alertes sur le retard de projection avant que vos utilisateurs ne remarquent des données obsolètes.
Automatisez les tâches manuelles. Les changements de schéma manuels, les reconstructions de projections manuelles et le rejeu d'événements manuel sont des bombes à retardement. Scriptez votre stratégie de migration. Si vous faites évoluer un schéma d'événement, automatisez l'upcasting ou la transformation afin que les anciens événements puissent être rejoués via la nouvelle logique sans intervention humaine à minuit.
Documentez vos choix. Notez pourquoi des flux spécifiques existent, ce que signifie chaque type d'événement et quand l'équipe doit privilégier le CRUD plutôt que les événements. L'event sourcing introduit une charge cognitive. Une bonne documentation empêche un nouvel ingénieur de faire de mauvaises suppositions et d'ajouter des événements malformés à un flux critique.
Les pièges qui font perdre des mois
L'event sourcing a cette particularité de paraître élégant sur un diagramme et douloureux en production. Méfiez-vous de ces pièges.
Sous-estimer la complexité. Rejouer des événements pour reconstruire un état est conceptuellement simple. Gérer l'idempotence, la création de snapshots pour la performance et les transactions compensatoires entre les agrégats ne l'est pas. Divisez votre système en petits morceaux. Résolvez un flux à la fois.
Le surdimensionnement (over-engineering). Ne provisionnez pas un cluster Kafka multi-nœuds parce que vous imaginez que votre volume d'événements l'exigera un jour. Postgres peut vous mener étonnamment loin. N'introduisez de nouvelles infrastructures que lorsque vous avez un goulot d'étranglement mesuré que vous ne pouvez pas corriger avec votre configuration actuelle.
Ignorer la dette technique. Les anciens schémas d'événements persistent indéfiniment. Si vous modifiez le payload de OrderCreated, vous avez toujours dix millions d'événements historiques sous l'ancienne forme. Suivez cette dette. Prévoyez des lecteurs rétrocompatibles ou des scripts de migration. Ne laissez pas le fardeau des événements hérités ralentir chaque nouvelle fonctionnalité.
Choisir des outils que l'équipe ne peut pas exploiter. La meilleure architecture échoue si une seule personne la comprend. Si votre équipe connaît Postgres et SQL, commencez par là. Si vous introduisez un event store spécialisé, assurez-vous d'avoir l'expertise opérationnelle pour le déboguer à deux heures du matin.
Un point de départ pratique
Si cette approche correspond à votre problème, n'attendez pas une réécriture de cinq trimestres. Commencez cette semaine.
Auditez vos systèmes actuels. Trouvez un endroit où une piste d'audit (audit trail) résoudrait un problème réel. Il s'agit peut-être d'une machine à états de commande qui ne maintient actuellement qu'une seule colonne status. C'est peut-être un grand livre financier où les corrections de solde nécessitent des correctifs manuels de la base de données. Choisissez une lacune où l'écrasement de l'état vous a porté préjudice.
Ensuite, choisissez une petite amélioration que vous pouvez apporter dès aujourd'hui. Créez une table d'événements. Modélisez un flux. Écrivez une projection qui construit un modèle de lecture à partir de ces événements. Déployez-la derrière un feature flag. Observez-la gérer le trafic réel.
L'event sourcing avec PostgreSQL n'est pas magique. C'est un outil pratique pour les équipes qui ont besoin de savoir non seulement où se trouvent les choses, mais comment elles y sont arrivées. Construisez lentement, mesurez honnêtement et laissez vos besoins réels guider l'architecture.