响应式持久化与事件溯源：数据模型的优化之道
1. 关注点分离的重要性
在传统的数据处理中，以CheckingAccount表为例，每次通过影响账户余额的领域行为处理指令时，账户余额字段会直接更新。这就导致在一系列更新之后，我们只能看到账户的最新余额，而丢失了所有导致当前余额（如 1050 美元）的操作序列这一重要数据。
这种情况带来了诸多问题：
-无法查询变更历史：除非挖掘数据库存储的审计日志，但这本身极其复杂。
-难以回滚系统：无法将系统回滚到过去的某个时间点进行调试。
-不能重现交易：无法从零开始重新启动系统并重现迄今为止发生的所有交易，使系统恢复到当前状态。
简而言之，我们失去了系统的可追溯性，只拥有系统当前的快照。这种数据模型属于共享可变状态。为了解决这些问题，我们需要引入新的技术，将时间作为一个单独的维度来建模存储库，使系统能够完整记录自创建以来的所有变更，并按时间顺序排列，从而实现模型的完全可追溯性和可审计性。
2. 持久化的读写模型分离
在设计系统时，关注点分离是一个跨领域的重要特性。在讨论领域模型设计时，我们知道函数式编程将模型的“是什么”与“怎么做”分离开来。当涉及到领域模型的持久化时，读写操作这两个方面需要明确分离，这样可以提高数据模型的模块化程度。
2.1 读写模型的概念
用户查看模型时，通常希望看到符合业务要求的视图。例如，银行账户持有者希望以适合网上银行的格式查看账户余额，而会计人
