我给我的家政CRM配了两个PostgreSQL，聊聊双库架构的真实账本

最近在给 Pico-CRM（一个用 Rust + Leptos 写的家政行业 CRM）上事件溯源的时候，遇到了一个绕不开的架构问题：事件存储和读模型，放一个数据库还是两个？

一开始图省事，觉得一个 PostgreSQL 里分两个 schema 不就行了——esschema 放事件表，publicschema 放业务表。一个数据库实例、一套 backup、一个docker run，多清爽。

跑了一周后发现不是那么回事。本文聊聊这个决策的真实体验——两个 PostgreSQL 到底值不值。

提前声明：本文基于个人项目的实践，架构选择有上下文依赖（单机部署、家政行业、团队规模 = 1），仅供参考。

一、为什么一个库不够？

先看两种写入模式的差异。

事件存储的写入：append-only，纯顺序写

事件存储的表结构极其简单——disintegrate_postgres就一张event表，核心字段是事件 ID、stream 标识、事件类型、JSON payload。写操作永远是INSERT，没有UPDATE，没有DELETE：

-- disintegrate_postgres 在 ES 库里创建的核心表INSERTINTOevent(id,stream_id,event_type,payload,created_at)VALUES(...);

这个写入模式的特点是：高频、顺序、不可变。WAL 日志一直往前追加，不需要担心 vacuum、不需要担心死锁、不需要担心索引膨胀（只有 event_id 和 stream_id 上有索引）。

读模型的写入：随机更新，带索引维护

读模型这边就复杂多了。拿订单投影举例，同一个事件流过来，读模型的行为是：

// OrderCreated 事件 → INSERTletactive=orders::ActiveModel{...};active.insert(txn).await?;// OrderStatusChanged 事件 → UPDATEletmutactive=model.into_active_model();active.status=Set(status);active.updated_at=Set(updated_at);active.event_id=Set(event_id);active.update(txn).await?;

再加上订单表上有merchant_id、uuid、status、customer_uuid、inserted_at一堆索引，每次 UPDATE 都要维护索引。还有order_change_logs表的 before/after JSON 快照写入——每次事件变更都附带一条 changelog。

事件存储说：我只 INSERT，其他事别找我。读模型说：我既要 INSERT 又要 UPDATE 还要维护索引还要写审计日志。

这两种写入模式混在同一个 PostgreSQL 实例里，谁也没碍着谁，但也没帮到谁。尤其当订单量和事件量在同一个数据库里争夺 shared buffer 和 WAL 带宽时，你就得开始操心 IO 隔离了。

查询侧的考量

读模型面向的是业务查询：

-- 前端列表页：按商户、状态、时间范围查订单SELECT*FROMordersWHEREmerchant_id=$1ANDstatus=$2ORDERBYinserted_atDESCLIMIT20;

这些查询依赖复合索引、依赖统计信息准确、依赖连接池里有足够的可用连接。

事件存储从来不面向业务查询——它只被三个地方访问：命令端写事件、投影器读事件、状态重建加载事件流。这三种访问都是按 stream_id 精确查找，从来不跑全表扫描。

一句话总结：事件存储和读模型的 IO 特征、索引策略、连接池需求完全不一样，混在一个库里意味着你永远要按更严格的那个来调参，另一头在凑合。

二、双库架构怎么落的

Pico-CRM 现在的双库架构长这样：

┌──────────────────────────────┐ │ Server Process │ │ │ │ ┌─────────┐ ┌───────────┐ │ │ │ 命令端 │ │ 查询端 │ │ │ │ (写事件) │ │ (查投影表) │ │ │ └────┬─────┘ └─────▲─────┘ │ │ │ │ │ │ ┌────▼─────────┐ ┌──┴──────┐│ │ │ sqlx::PgPool │ │ SeaORM ││ │ │ (es_db) │ │(read_db)││ │ └──────┬───────┘ └──┬──────┘│ └─────────┼─────────────┼───────┘ │ │ ┌─────▼────┐ ┌─────▼─────┐ │EventStore│ │ Read Model│ │ DB │ │ DB │ │ pico_crm │ │ pico_crm │ │ _es_dev │ │ _dev │ └──────────┘ └───────────┘

两个连接池，两套技术栈：

• 事件存储：sqlx::PgPool，直接走原生 SQL，因为disintegrate_postgres框架内部用 sqlx
• 读模型：sea_orm::DatabaseConnection，走 ORM，因为业务查询和 CRUD 操作更习惯用 SeaORM 的 query builder

启动流程串起来

server/src/main.rs里的启动顺序很清楚：

// ① 加载 .env 文件（里面有 DATABASE_URL 和 ES_DATABASE_URL）letenv_file=format!(".env.{}",env::var("APP_ENV").unwrap_or("dev".into()));dotenvy::from_filename(&env_file).unwrap();// ② 连接读模型库，跑 SeaORM migrationletdb=Database::new().await;// 读 DATABASE_URLMigrator::up(db.get_connection(),None).await?;// 建业务表// ③ 初始化事件存储、选主、启动投影监听器bootstrap_cqrs(db.connection.clone()).await?;// 读 ES_DATABASE_URL

你可能会问——bootstrap_cqrs是怎么拿到ES_DATABASE_URL的？答案是它不通过参数传，而是直接env::var("ES_DATABASE_URL")读取环境变量：

// backend/src/infrastructure/event_store/mod.rsstaticEVENT_STORE_POOL:OnceCell<sqlx::PgPool>=OnceCell::const_new();pub(crate)asyncfnevent_store_pool()->Result<sqlx::PgPool,String>{EVENT_STORE_POOL.get_or_try_init(||async{letdatabase_url=env::var("ES_DATABASE_URL")?;// 直接读环境变量sqlx::PgPool::connect(&database_url).await}).await.cloned()}

这里用了一个OnceCell做懒初始化——事件存储的连接池只在第一次需要时创建，之后每次.cloned()返回同一个池的引用。sqlx::PgPool内部是Arc包装的，clone 很便宜。

事件存储 schema 的初始化

bootstrap_cqrs的第一步是event_store::initialize()，它负责在 ES 库上建表：

// backend/src/infrastructure/event_store/mod.rspubasyncfninitialize()->Result<(),String>{letpool=event_store_pool().await?;EVENT_STORE_INIT.get_or_try_init(||asyncmove{// ① 为三种事件类型创建 disintegrate 的 schema（event 表 + 索引）initialize_registered_event_schemas(pool.clone()).await?;// ② 创建投影监听器的基础设施（NOTIFY 触发器 + listener_progress 表）initialize_listener_infra(pool.clone()).await?;// ③ 历史数据迁移：把旧的 order_id 回填成 order_uuidbackfill_schedule_event_order_uuid(pool).await?;Ok(())}).await?;Ok(())}

三种事件类型各自注册：

asyncfninitialize_registered_event_schemas(pool:sqlx::PgPool)->Result<(),String>{initialize_event_schema::<ServiceRequestEventEnvelope>(pool.clone(),"service request").await?;initialize_event_schema::<OrderEventEnvelope>(pool.clone(),"order").await?;initialize_event_schema::<ScheduleEventEnvelope>(pool.clone(),"schedule").await?;Ok(())}

读模型 migration 是另一套系统

读模型这边，用的是 SeaORM 的Migrator。启动时Migrator::up()跑migration/src/下的 20 个 migration 文件，建业务表：merchants、users、orders、schedules、service_requests、contacts等等。

两边各管各的 migration，互不干扰。事件存储的 schema 完全由disintegrate_postgres的PgEventStore::try_new()和Migrator::init_listener()管理，读模型的 schema 完全由 SeaORM 的Migrator::up()管理。

这其实是双库架构最舒服的一点：你不会因为给事件存储加一个新的事件类型而担心影响业务表结构，也不会因为改业务表结构而担心事件存储的 schema 变更。

三、真实的账本：双库到底带来了什么

省心的地方

1. 连接池隔离

投影监听器需要长期持有数据库连接（轮询事件流、监听 PG NOTIFY），命令端写入需要快速获取连接执行决策，查询端需要应对前端请求的并发连接。三种连接需求如果共用一个池，要么池太大浪费资源，要么池太小互相抢占。

分开之后，事件存储的连接池只管事件读写和投影轮询，读模型的连接池只管业务查询和投影写入。谁也不抢谁的。

2. 运维独立

ES 库不需要定期 vacuum（几乎只有 INSERT 和少量 SELECT），读模型库需要正常的 vacuum 维护。ES 库的备份策略可以更简单——WAL 归档就够了，因为几乎没有 UPDATE。读模型库需要更频繁的备份。

3. 开发环境隔离

本地开发时，两个库互不污染。要重置事件存储？DROP DATABASE pico_crm_es_dev; CREATE DATABASE pico_crm_es_dev;就行了，读模型库完全不受影响。

烦人的地方

1. 本地开发需要两个 PostgreSQL 数据库

开发环境配置从"起一个 Postgres 容器"变成了"起一个 Postgres 容器，建两个数据库"：

# 一个实例，两个 databasesudopodmanrun--namepico-crm-pg\-ePOSTGRES_PASSWORD=postgres\-p5432:5432-dpostgres:latest# 建两个库sudopodmanexecpico-crm-pg createdb-Upostgres pico_crm_devsudopodmanexecpico-crm-pg createdb-Upostgres pico_crm_es_dev

说实话不算麻烦，但多了一步。如果你之前只用一个.env.dev，现在要注意两个环境变量都得配：

DATABASE_URL=postgres://postgres:postgres@localhost:5432/pico_crm_dev ES_DATABASE_URL=postgres://postgres:postgres@localhost:5432/pico_crm_es_dev

2. 跨库没有事务

这是最根本的取舍。事件写入和投影更新不在同一个事务里。这意味着：

• 命令端写完事件返回 HTTP 200 的时候，读模型还没更新
• 如果投影器挂了（bug / panic / OOM），读模型会滞后甚至停更
• 你不能在一个数据库事务里"写了事件同时查最新状态"

这就是 CQRS 的最终一致性，不是双库架构特有的，但双库让这个边界变得物理可见——你没法用BEGIN; ... COMMIT;跨两个独立的 PostgreSQL 实例。

实际的应对：

// 投影器的幂等守卫：即使重复消费也不会写乱ifmodel.event_id>=event_id{returnOk(());// 已处理过，跳过}

配合 250ms 轮询 + PG NOTIFY 的混合监听机制，实际延迟通常在几十毫秒量级。对于家政 CRM 这种业务场景来说，完全在可接受范围内。

3. 两套技术栈的心智负担

事件存储用sqlx（原生 SQL），读模型用SeaORM（ORM），代码里两套查询风格并存。虽然在实际项目中，事件存储的 SQL 都由disintegrate_postgres框架管理，业务代码根本看不到原生 SQL，但在调试和问题排查时，你需要理解两套体系的日志和错误信息。

另一个容易忽略的点是环境变量模板的同步。ES_DATABASE_URL是后加事件溯源时引入的，.env.dev里有，但.env.example漏了。新部署的人照着模板改完启动，bootstrap_cqrs里env::var("ES_DATABASE_URL")直接 panic。翻.env.example搜不到这个变量名，只能去源码里找答案。双库之后配置项翻倍，模板失配的概率也跟着翻倍。

四、什么时候不该用双库

说实话，双库不是银弹。如果你满足以下条件，单库可能更合适：

• 团队规模小，没有多实例部署的计划——投影选主、连接池隔离的需求都不存在，加一个库只加了心智负担
• 事件量不大（日均几千条以内）——IO 隔离的收益很小，不值得
• 项目还在验证阶段——先跑通业务逻辑，等 event 表真的开始有压力了再拆分也来得及

Pico-CRM 之所以选了双库，很大原因是用了disintegrate_postgres框架，它天然支持独立的事件存储库，接入成本极低（一个ES_DATABASE_URL环境变量 + 一个OnceCell懒加载连接池）。如果你的框架或语言生态没有这么成熟的 CQRS 基础设施，自己搓一遍事件存储 + 投影监听 + 选主 + 重试的成本可能会让你觉得"单库也挺好"。

总结

回过头看，给一个 CRUD 项目配上两个 PostgreSQL，核心权衡就两个维度：

1. 物理分离的收益：连接池隔离、运维独立、IO 特征对齐
2. 物理分离的代价：最终一致性、本地开发多一步、跨库无法事务

对于 Pico-CRM 而言，收益大于代价。事件存储和读模型的流量模式完全不同，放在一起省了一时之力，长期来看是互相迁就。拆开之后，事件存储只管追加，读模型只管查询，各干各的，互不掺和。这个干净的边界，就是双库架构的核心价值。

如果你也在用 CQRS 或事件溯源，你的事件存储和读模型是放一个库还是分开的？遇到了什么坑？欢迎评论区聊聊。

---

项目开源在 GitHub，搜Pico-CRM即可找到完整代码，包含双库架构的完整启动链路。