イベント駆動アーキテクチャ(EDA:Event-Driven Architecture)は、「注文が確定した」「在庫が減った」といった出来事(イベント)を起点にサービスを連携させる設計様式です。送り手は受け手を知らず、1件のイベントに複数の受け手が独立して反応します。この記事では、仕組みと同期API・バッチ連携との違いを押さえたうえで、Martin Fowlerが整理した4つの実装パターン、EventBridge・SQS・Pub/Sub・Kafkaの配信保証と上限値、そして重複配信に耐える受け手のPythonコードを動かした結果までを扱います。
まとめ:イベント駆動アーキテクチャの採用判断と実装で外せない要点
EDAの核は、処理を「呼び出す(コマンド)」のではなく「起きたことを知らせる(イベント)」に置き換える点です。受け手を後から足しても送り手のコードは変わらず、受け手ごとに別々にスケールでき、突発的な負荷はブローカーが溜めて吸収します。
代わりに引き受けるのが、重複・順序・整合性の問題です。主要なマネージドサービスの既定はいずれも「少なくとも1回(at-least-once)」の配信で、同じイベントが2回届くことを仕様として認めています。受け手は処理済みIDを記録して重複を読み飛ばす冪等性を必ず持たせ、順序は「同じキーの中だけ」で保証されると割り切ってキーを設計します。
採用が効くのは、1つの出来事に複数の受け手が反応する連携、負荷が突発的に跳ねる処理、出来事の履歴そのものに価値がある監査・分析です。負荷が安定した単一連携のCRUDや、引き落としと入金を同時に確定させたい処理には使いません。迷ったら、まず同期のトランザクションで組み、ボトルネックが実測で見えた境界だけを非同期化します。
イベント駆動アーキテクチャの仕組みとプロデューサー・ブローカー・コンシューマーの役割
EDAは3つの役割で動きます。出来事を発生させて知らせるプロデューサー(パブリッシャー)、それを受け取って配るイベントブローカー、受け取って処理するコンシューマー(サブスクライバー)です。クラウドネイティブとはで整理した「疎結合な小さなサービスの集合」を実際につなぐ通信様式の一つが、このイベント駆動です。
コマンドとイベントの違い:宛先を知る指示と、宛先を知らない事実の通知
コマンドは「請求書を発行せよ」と特定の相手に処理を命じる指示です。送り手は相手が誰で、何をしてほしいかを知っています。
イベントは「注文が確定した」という、すでに起きた事実の通知です。送り手は受け手を知りません。1つの注文確定イベントに、在庫引当・ポイント付与・配送手配が別々に反応する1対多の関係になります。名前も過去形(OrderPlaced)で付けるのが通例で、命令形(CreateInvoice)の名前がイベントに混ざり始めたら、送り手が受け手の都合を知っている=結合が戻ってきたサインです。
プロデューサー・ブローカー・コンシューマーの責務分担
プロデューサーは業務処理の結果としてイベントを発行するだけで、その後の処理には関与しません。ブローカーは受け取ったイベントを購読者へ配り、受け手が落ちている間は一定期間保持して再試行します。コンシューマーは関心のあるイベント種別だけを購読し、自分の処理を実行します。発行・購読をAzureのマネージドサービスで組む例がAzure Service Busのキューとトピックです。
この分担のおかげで、受け手の増減や一時停止が送り手へ波及しません。ブローカーの保持期間内であれば、受け手は復帰後に取りこぼしなく処理を再開できます。保持期限に達したイベントは、DLQへ移されず削除される場合があります。処理失敗を繰り返すイベントは、移送条件を設定したうえでデッドレターキュー(DLQ)へ退避させて別途調べます。
CloudEvents仕様で揃えるイベントの形式
イベントの形が発行者ごとにばらばらだと、受け手は送り手ごとに解釈処理を書くことになります。これを避ける共通仕様が、CNCFのCloudEventsです。現行版は v1.0.2 で、必須属性は id・source・specversion・type の4つです。source と id の組でイベントを一意に識別すると定めているため、受け手の重複判定キーにそのまま使えます。
{
"specversion": "1.0",
"id": "bf6a217c-3c1e-4d0f-9a0b-6c2f6a1d9e01",
"source": "/orders",
"type": "com.example.order.placed",
"time": "2026-11-15T00:12:03Z",
"datacontenttype": "application/json",
"data": { "orderId": "o-1001", "sku": "A-1", "qty": 3 }
}
CloudEventsは2024年1月にCNCFの卒業プロジェクトになり、Azure Event GridやGoogle CloudのEventarcが受け口としてこの形式を扱えます。自前でイベント構造を決める前にこの形に寄せておけば、ブローカーを乗り換えても受け手の解釈ロジックを流用できます。
同期API・バッチ連携とイベント駆動の違いと使い分け
システム連携の方式は、同期API呼び出し、バッチ(ファイル)連携、イベント駆動の3つに大別できます。EDAを検討するときは、どれか1つに統一するのではなく、業務ごとに方式を割り当てます。
| 観点 | 同期API | バッチ連携 | イベント駆動 |
|---|---|---|---|
| 反映のタイミング | 応答と同時 | 次のバッチ実行時 | 配信と処理の遅れ分 |
| 受け手の追加 | 送り手を改修 | 出力ファイルを追加 | 購読を足すだけ |
| 受け手停止時 | 送り手もエラー | 次回にまとめて処理 | ブローカーが保持 |
| 整合性 | 呼び出し先の方式次第 | バッチ単位で反映 | 結果整合が前提 |
| 結果の返却 | その場で返る | 返らない | 返らない |
| 向く処理 | 照会・与信・決済 | 集計・月次締め | 通知・同期・後続処理 |
判断の分かれ目は「呼び出し元がその場で結果を必要とするか」です。在庫照会や与信のように応答を待って次の画面を出す処理は同期APIで受けます。注文確定のあとに走るメール送信・ポイント付与・分析基盤への連携は、呼び出し元が結果を待つ必要がないためイベントに向きます。同期APIの入口を担う部品はAPIゲートウェイ、非同期の契約を仕様として固定する手段はAsyncAPIで整理しています。
イベント駆動の4つの実装パターン:通知・状態転送・イベントソーシング・CQRS
「イベント駆動」と一括りにされる設計には、狙いの違う4つのパターンがあります。Martin Fowlerは「What do you mean by “Event-Driven”?」で、Event Notification・Event-Carried State Transfer・Event Sourcing・CQRSの4つに分けています。どれを採っているかを曖昧にしたまま設計すると、イベントに載せるデータ量と保存方式の議論がかみ合いません。
イベント通知:IDだけを流し、詳細は受け手が問い合わせる最小構成
FowlerのEvent Notificationでは、イベントの情報をIDなどに絞れます。例えば「ユーザー情報が更新された」という事実とIDを流し、詳細が必要な受け手は元のサービスへAPIで問い合わせます。イベントのスキーマが小さいので変更に強く、導入の負担も小さい方式です。
弱点は、受け手が毎回問い合わせに来るため元サービスに負荷が戻ることです。受け手が5つあれば、1件の更新で問い合わせが5回発生します。元サービスが落ちていると受け手も処理を進められません。
イベントによる状態転送:問い合わせ削減と複製データ管理の負担
Event-Carried State Transferは、受け手が必要とするデータをイベントに載せて送る方式です。受け手は手元に複製を持ち、元サービスへ問い合わせません。元サービスが停止していても受け手は動き続けられ、問い合わせの往復も消えます。
代償はイベントの大きさと、複製データの鮮度管理です。マネージドサービスにはイベント1件あたりの上限(後述の表で1MB前後)があるため、画像や明細全件を載せる設計は破綻します。載せるのは受け手が判断に使う項目までにとどめ、大きなデータはオブジェクトストレージに置いてURLを渡します。
イベントソーシング:現在値ではなく出来事の履歴を保存する方式
イベントソーシングは、状態を直接保存せず、状態に至った出来事を追記していく保存方式です。口座残高を1つの数値で持つのではなく、「入金1万円」「出金3千円」を積み重ね、再生して現在の残高を導きます。
監査証跡が自然に残り、過去の任意時点の状態を復元でき、バグ修正後にイベントを再生して状態を作り直せます。その反面、履歴が増えると再生時間が長くなるため、必要に応じてスナップショットを導入します。イベントの形を変える際は、過去のイベントとの互換性も維持します。金融・在庫・予約のように「なぜこの状態か」を問われる領域に限って採ります。イベントストアの設計はイベントソーシングとはで詳しく扱っています。
CQRS:書き込みモデルと読み取りモデルの分離
CQRS(コマンドクエリ責務分離)は、更新用のモデルと参照用のモデルを別々に持つ考え方です。書き込み側が発行したイベントから、参照専用のビューを非同期に組み立てる形でEDAと組み合わさります。
読み取りビューは更新から遅れて反映されるため、「登録直後の一覧に自分の登録が出ない」という現象が起きます。画面側でこの遅れを吸収できない業務では採りません。採用条件と Read Model の実装はCQRSとはにまとめています。
4つは排他ではありません。通知型で始め、問い合わせ負荷が問題になった受け手だけを状態転送型に切り替える進め方が現実的です。
イベントブローカーの選定:キュー型とログ型、主要サービスの配信保証と上限値
EDAの性質はブローカーの選び方でほぼ決まります。最初の分岐は、処理したら消える「メッセージキュー」か、ログとして残す「イベントストリーミング」かです。
メッセージキューとイベントストリーミングのデータ保持モデルの違い
メッセージキューは、1件のメッセージを1つの受け手が取り出して処理したら削除します。仕事の分配に向き、Amazon SQSが代表です。イベントストリーミングは、イベントをログとして保持期間いっぱい残し、Kafkaでは、コンシューマーグループごとに読み取り位置(オフセット)を管理し、グループ間で独立に読み進めます。同じグループの受け手はパーティションを分担します。Apache Kafkaが代表で、受け手を後から足して過去分を読み直すこともできます。
| 観点 | メッセージキュー | イベントストリーミング |
|---|---|---|
| データ保持 | 処理後に削除 | 保持期間まで残る |
| 代表例 | Amazon SQS | Apache Kafka |
| 消費モデル | 受け手の1つが処理 | 受け手ごとに独立に読む |
| 過去分の再処理 | 原則できない | オフセットを戻して可能 |
「1件の仕事を1回だけさばきたい」ならキュー、「後から受け手を足して過去分も処理したい」ならストリーミングが出発点です。SNSのトピックで複数のSQSキューへ配る(ファンアウト)ように、両者を併用する構成も普通に取ります。製品ごとの機能差はRabbitMQとKafkaの違い、ログを届いた順に集計・変換する処理はストリーム処理とはで掘り下げています。
EventBridge・SQS・Pub/Sub・Event Grid・Kafkaの配信保証と上限値の比較
設計の前提になる数値を、各サービスの公式ドキュメントから抜き出しました(2026年11月時点)。上限値は改定されるため、設計時は各リンク先で最新値を確認してください。
| サービス | 既定の配信保証 | 順序 | 再試行・保持の既定 | 1件の上限 |
|---|---|---|---|---|
| EventBridge(ルール) | at-least-once | 保証なし | 最大24時間・185回 | 1MB |
| Amazon SQS 標準 | at-least-once | 保証なし | 保持4日(最大14日) | 1MiB |
| Amazon SQS FIFO | 重複排除5分 | グループ内で保証 | 保持4日(最大14日) | 1MiB |
| Google Cloud Pub/Sub | at-least-once | 順序指定キー内(要設定) | 保持7日(最大31日) | 10MB |
| Azure Event Grid(プッシュ) | at-least-once | 保証なし | 最大24時間・30回 | 1MB |
| Apache Kafka 4.4 | コミット方式次第 | パーティション内で保証 | 保持7日(設定可) | レコードバッチ約1MB(設定可) |
表から読み取るべきことは2つです。1つ目は、どのサービスも既定ではat-least-onceで、重複配信を前提にした受け手が必須だということ。2つ目は、順序が保証されるのは「グループ・キー・パーティションの中だけ」で、サービス全体の順序はどこも保証しないことです。EventBridgeとEvent Gridは、失敗イベントの退避先を設定しないと、再試行上限を超えたイベントを破棄します。失敗件数のメトリクスだけではイベント本文を復元できないため、退避先も設定します。
EventBridgeには従来のルール方式(Custom Event Bus – Classic)とは別に新しいカスタムイベントバスがあり、こちらは購読先ごとの再試行の既定が5回・300秒と、ルール方式の24時間・185回より大幅に短くなっています。従来方式と同じ再試行上限にするには、MaxEventAgeInSeconds を86,400秒、MaxRetryAttempts を185回へ設定します。再試行は、いずれかの上限へ先に達した時点で終了します。FIFOの購読先なら、同じイベントグループ内で発行順に配信されます。同じ「EventBridge」でも方式によって前提が変わるので、どちらのバスを使うかを設計書に明記します。Kafkaの配信保証は、受け手がオフセットを処理の後にコミットすればat-least-once、前にコミットすればat-most-onceになります。
出典:EventBridge 再試行ポリシー、新カスタムイベントバスの再試行、SQS 標準キュー、Pub/Sub サブスクリプションのプロパティ、Pub/Sub の上限、Event Grid の配信と再試行、Kafka 4.4 ブローカー設定。
マネージド型とセルフホストKafkaを分ける運用体制の条件
選定で効くのは性能より運用体制です。Kafkaを自前で運用すると、ブローカーの冗長化、パーティションの再配置、版の更新、監視までを自チームで抱えます。2025年3月の4.0でZooKeeperが削除されKRaft構成に一本化されたため、3.x系からの移行も計画に入ります。基盤の専任担当がいないチームでは、この運用が開発の時間を食います。
小〜中規模のうちは、AWSならEventBridgeかSNS+SQS、Google CloudならPub/Sub、AzureならEvent Gridから始めます。セルフホストのKafkaや専用基盤を検討するのは、1秒あたりの件数・保持期間・過去分の再処理といった要件がマネージドの上限やコストにぶつかってからで十分です。Kafkaの構成と現行版はApache Kafkaとは、Google Cloudでの送受信はCloud Pub/Subとは、AWSでの構成パターンはサーバーレスアーキテクチャとはにまとめています。
Outboxと冪等な受け手をPythonで動かす実装例
EDAの不具合で多いのは、「DBは更新したのにイベントが出ていない」「同じイベントを2回処理した」の2つです。前者はOutboxパターン、後者は冪等な受け手で防ぎます。標準ライブラリだけで動く最小のコードで両方の動きを確かめます。掲載した実行結果は、執筆時に Python 3.9.6(SQLite 3.51.0)で実行して得たものです。
注文の保存とイベントの記録を同じトランザクションで確定するOutbox
注文テーブルへの書き込みとブローカーへの送信を別々に行うと、間で落ちたときに片方だけが残ります。Outboxパターンでは、イベントを送る代わりに同じDBの outbox テーブルへ書き、注文と同じトランザクションで確定させます。送信は別の中継処理が outbox を読んで行います。
import json, sqlite3, uuid
from datetime import datetime, timezone
# 同一プロセス内で再送を模擬する例。実際の再起動への耐性には永続DBが必要です。
db = sqlite3.connect(":memory:")
db.executescript("""
CREATE TABLE orders(id TEXT PRIMARY KEY, status TEXT);
CREATE TABLE outbox(id TEXT PRIMARY KEY, payload TEXT, sent INTEGER DEFAULT 0);
CREATE TABLE processed(event_id TEXT PRIMARY KEY);
CREATE TABLE stock(sku TEXT PRIMARY KEY, qty INTEGER);
INSERT INTO stock VALUES('A-1', 10);
""")
def place_order(order_id, sku, qty):
event = {"specversion": "1.0", "id": str(uuid.uuid4()),
"source": "/orders", "type": "com.example.order.placed",
"time": datetime.now(timezone.utc).isoformat(),
"datacontenttype": "application/json",
"data": {"orderId": order_id, "sku": sku, "qty": qty}}
with db: # 注文の保存とイベントの記録を同じトランザクションで確定する
db.execute("INSERT INTO orders VALUES(?, 'PLACED')", (order_id,))
db.execute("INSERT INTO outbox(id, payload) VALUES(?, ?)",
(event["id"], json.dumps(event)))
def relay(publish, crash_before_mark=False):
rows = db.execute("SELECT id, payload FROM outbox WHERE sent = 0").fetchall()
for event_id, payload in rows:
publish(json.loads(payload))
if crash_before_mark:
return # 送信済みの印を付ける前に落ちた想定
with db:
db.execute("UPDATE outbox SET sent = 1 WHERE id = ?", (event_id,))
中継処理は「送信してから送信済みの印を付ける」順にしています。印を付ける前に落ちると、再起動後に同じイベントをもう一度送ります。つまりOutboxはイベントの取りこぼしを防ぐ代わりに、重複送信を生みます。これを受け手側で吸収するのが次の冪等性です。DB別の実装方式はOutboxパターンとはで比較しています。
処理済みIDを記録して重複配信を読み飛ばす冪等な受け手
def on_order_placed(event):
with db: # 処理済みIDの記録と在庫更新を1トランザクションにする
dedup_key = json.dumps([event["source"], event["id"]])
cur = db.execute("INSERT OR IGNORE INTO processed VALUES(?)", (dedup_key,))
if cur.rowcount == 0:
return "skip (duplicate)"
d = event["data"]
updated = db.execute("UPDATE stock SET qty = qty - ? WHERE sku = ?", (d["qty"], d["sku"]))
if updated.rowcount != 1:
raise ValueError("stock SKU not found")
return "applied"
def deliver(event):
print(event["type"], event["id"][:8], on_order_placed(event))
place_order("o-1001", "A-1", 3)
relay(deliver, crash_before_mark=True) # 1回目: 配信後に中継が停止
relay(deliver) # 2回目: 再起動した中継が同じイベントを再送
print("stock A-1 =", db.execute("SELECT qty FROM stock WHERE sku = 'A-1'").fetchone()[0])
実行結果は次のとおりです(IDは実行ごとに変わります)。
com.example.order.placed bf6a217c applied
com.example.order.placed bf6a217c skip (duplicate)
stock A-1 = 7
同じイベントが2回届いても、在庫は10から3だけ減って7で止まりました。if cur.rowcount == 0: の判定を外して同じ手順を流すと、2回とも applied になり在庫は4まで減ります。この例では、処理済みIDの確認と在庫更新を同じトランザクションにまとめることで、再配信による在庫の二重減算を防ぎます。
要点は、処理済みIDの記録と業務データの更新を同じトランザクションに入れることです。別々に書くと「在庫は減ったがIDの記録前に落ちた」状態が生まれ、再配信で二重に減ります。受け手のDBとブローカーが別物である以上、この形が重複配信に対する基本の守りです。存在しないSKUのイベントを流すと ValueError で処理が止まり、トランザクションが巻き戻るので処理済みIDも残りません(実行後の processed は0件)。成功扱いにせず例外で返すことで、ブローカーの再試行とDLQへの退避に乗せられます。外部APIを呼ぶ受け手で同じことをするには、冪等キー(Idempotency-Key)を相手側に渡します。
順序・exactly-once・結果整合性・追跡というイベント駆動特有の実装コスト
非同期でイベントを配ると、「重複して届く」「順番が入れ替わる」「すぐには一致しない」「因果が追えない」が常態になります。前章の冪等性に加えて、残る3つの扱いを決めておかないと、疎結合の利点より障害対応の負担が上回ります。
exactly-onceが成り立つ範囲:Kafkaのトランザクションとクラウドの「1回配信」の条件
「ちょうど1回(exactly-once)」をうたう機能はありますが、どれも範囲が限られています。Kafkaのプロデューサは3.0から冪等性(enable.idempotence=true・acks=all)を既定にしており、送信の再試行による重複をブローカーが排除します。ただし3.0.0と3.1.0では不具合でこの既定が効いておらず、修正は3.0.1・3.1.1・3.2.0です。トランザクションと isolation.level=read_committed を組み合わせた exactly-once は、Kafkaから読んでKafkaへ書く処理の中で成り立つもので、外部DBやメール送信といった副作用には及ばず、公式の設計文書も外部システムへの書き込みには書き込み先側の協調が要るとしています。
Google Cloud Pub/Subのexactly-once配信も、pullサブスクリプションで受け手が同じリージョンへ接続する場合に限って保証される機能です。結局、受け手が外部に副作用を持つなら、前章の処理済みIDによる冪等化が必要になります。exactly-onceの機能は重複を減らす手段であり、冪等性を省いてよい理由にはなりません。
順序保証はキー単位:パーティションキーと順序指定キーの設計
Kafkaで順序が守られるのは同じパーティションの中だけです。「同じ注文のイベントは順番どおり」を実現するには、注文IDをパーティションキーにして関連イベントを同じパーティションへ寄せます。SQS FIFOのメッセージグループID、Pub/Subの順序指定キーも同じ考え方です。Pub/Subはキーを付けるだけでは順序どおりに届かず、サブスクリプション側でメッセージの順序指定を有効にし、同じキーのメッセージを同じリージョンで発行する必要があります(Pub/Sub のメッセージの順序指定)。
キー設計を誤ると、「支払い完了」より先に「返金」が処理される逆転が起こります。全体の順序を求めて1パーティションに寄せると並列度が1になり、スループットを捨てることになります。順序が業務上必要な単位(注文・口座・端末)を洗い出し、その単位でキーを決めます。後から変えると既存データの並びが崩れるので、初期設計で決める箇所です。
結果整合性とデッドレターキュー:反映遅延の許容と失敗イベントの退避
EDAでは、注文が確定してから在庫やポイントに反映されるまでに時間差が出ます。この遅れを業務側と合意しておかないと、「注文直後のポイント残高が古い」が障害として上がってきます。画面に「反映まで数秒かかります」と出す、照会は書き込み元を読む、といった逃がし方を先に決めます。
形式不正や参照先の欠落で処理できないイベントは、再試行しても成功しません。再試行の上限を決め、超えたらDLQへ移し、件数を監視して人が調べる流れを用意します。
相関IDとW3C Trace Contextによる非同期処理の追跡
同期呼び出しならスタックトレースで因果を追えますが、EDAでは1件のリクエストが複数の受け手へ枝分かれし、時間差で処理されます。発生源でトレースIDを採番し、全イベントとログに引き継ぐのが対策です。
形式はW3C Trace Contextの traceparent(00-<32桁のtrace-id>-<16桁のparent-id>-<フラグ>)に揃えておくと、OpenTelemetryなどの分散トレーシングがそのまま読めます。CloudEventsにも、この値をイベントの属性として運ぶDistributed Tracing拡張があります。受け手の失敗が連鎖するのを止める仕組みはサーキットブレーカーとはで解説しています。
イベント駆動アーキテクチャを採用すべき要件と見送るべき場面
EDAを採るかどうかは、疎結合や拡張性の魅力ではなく、「前の2章の実装コストを払ってでも解きたい要件があるか」で決めます。
採用が効く3つの条件と適用例:EC受注・IoT・SaaS間のデータ同期
採用が効くのは、1つの出来事に複数の受け手が独立して反応する連携、負荷が突発的に跳ねて受け手ごとに別々のスケールが要る処理、出来事の履歴そのものに価値がある監査・分析要件です。
ECの受注では、注文確定の1イベントに在庫引当・決済確定・メール送信・分析基盤への連携が並行して反応し、セール時の注文集中はブローカーが溜めて受け手のペースで流します。IoTでは、数千台の端末から届く計測値をストリームで受け、しきい値監視と長期保存を別々の受け手が担います。SaaS間のデータ同期では、顧客情報の更新イベントを購読する連携先を後から足しても、送り手の改修は要りません。マイクロサービス構成を採るなら、サービス間をつなぐ手段としてEDAが自然に噛み合います。
見送るべき場面:負荷が安定した単一連携のCRUDと、同時に確定させたい取引
単一サービスの素直なCRUDや、負荷が安定し即時応答を要する単一の受け手への連携では、同期処理を優先します。引き落としと入金を同時に確定させる取引は、同じトランザクションで扱える構成を優先します。
典型的な失敗は、「将来のスケールに備えて」と利用者数百人の社内システムをいきなりイベント駆動で組み、結果整合性と重複配信のデバッグに開発工数を取られるパターンです。複数サービスにまたがる取引を分解せざるを得ないときは、イベントの連鎖で進めるか司令役が順に呼ぶかを含め、補償処理まで設計したSagaパターンで扱います。
既存システムへ段階的に導入する4つの手順
既存システムを一度にイベント駆動へ作り替える必要はありません。次の順で、効果が見える境界から切り出します。
- 現在の連携(API・バッチ・手作業)を棚卸しし、呼び出し元が結果を待たない処理を選ぶ
- 1つのイベントと1つの受け手で始め、CloudEvents形式・処理済みIDの記録・DLQを最初から入れる
- トレースIDの引き継ぎとDLQ件数の監視を本番前に用意する
- 受け手を足すときは送り手を触らず、購読の追加だけで済むことを確かめてから範囲を広げる
どこを非同期化するか、どのブローカーが運用体制に合うかは、既存の構成とチームの人数で答えが変わります。AWSやGoogle Cloudでの基盤設計から相談したい場合は、インフラ構築(AWS・Google Cloud・Azure)の支援で、現行構成を前提に移行方針を具体化できます。
よくある質問
イベント駆動アーキテクチャとマイクロサービスの違いは?
マイクロサービスは「アプリケーションを小さな独立したサービスに分割する」構造の話で、イベント駆動は「サービス同士をどう連携させるか」という通信様式の話です。層が違うため対立せず、マイクロサービスをイベントで疎結合につなぐ組み合わせが一般的です。モノリスのままでも、モジュール間の連携にイベントを使う設計は成り立ちます。
イベント駆動とメッセージキューは同じものですか?
同じではありません。イベント駆動は「出来事を起点に処理を進める」設計の考え方で、メッセージキューはそれを実現する配信基盤の一つです。基盤には処理したら消えるキュー型(Amazon SQSなど)と、ログとして残すストリーミング型(Apache Kafkaなど)があり、イベント駆動の設計はどちらの上にも組めます。
イベント駆動アーキテクチャのデメリットは?
重複配信・順序の入れ替わり・反映の遅れ・因果の追いにくさの4つです。主要なマネージドサービスは既定でat-least-onceの配信のため、受け手に処理済みIDの記録による冪等性が必須になります。順序はパーティションやグループの単位でしか保証されず、更新が全体に反映されるまで時間差が出ます。トレースIDの引き継ぎとDLQの監視を最初から入れないと、障害の原因を追えなくなります。
イベントブローカーとは何ですか?
プロデューサーが発行したイベントを受け取り、購読しているコンシューマーへ配る中継役です。受け手が停止している間はイベントを保持して再試行し、送り手と受け手が互いを知らずに済むようにします。Amazon EventBridge、Amazon SNS/SQS、Google Cloud Pub/Sub、Azure Event Grid、Apache Kafkaが代表的な製品です。
小規模なシステムにイベント駆動は過剰ですか?
受け手が1つで負荷も安定しているなら、通常は同期処理を優先します。ただし、突発負荷の吸収や受け手停止中の保持が必要なら、小規模でもイベント駆動を採る理由があります。それ以外は同期のトランザクションで組み、通知やデータ連携の受け手が増えた時点で、その境界だけをマネージドのブローカー(EventBridgeやPub/Subなど)で非同期化する方が開発コストを抑えられます。最初から入れるなら、Outboxと処理済みIDの記録をセットで入れてください。