Architecture 如何使用ApacheKafka对事件源执行时态查询？

我们使用ApacheKafka作为一种事件源机制，用于有效地将事件分发到多个存储库，以基于服务于数据的服务的用例构建应用程序状态。例如，假设我们有服务A和服务B。服务A和服务B都有一个相同人员的存储库，但是数据的视图根据用例而不同。我们的想法是，由于我们需要为不同的用例提供新的数据视图，我们可以将事件流重放到新的或现有的存储库中。这是基于概述的思想，并涉及流处理和事件源，以及从事件重建应用程序状态

作为我们业务模式的一部分，我们可能会处理针对这些人的频繁变更（例如，姓名、地址和日期会频繁变更）。出现的一个新用例是，我们可能需要执行一个时态查询（即，向我展示在特定日期和时间的个人数据是什么样子）。对此，最明显的答案是在某个特定时刻重播所有事件，以重建应用程序状态。虽然这在纸面上听起来很合理，但我认为，当你在未来几年中可能会发生数十亿起事件时，这种情况就无法很好地扩展

当前解决方案 如今，一般的概念是，我们的卡夫卡消费者将根据活动（例如地址更新、姓名更新等）从单个主题处理这些事件，并将个人数据的主副本更新为“现在”的样子，然后将更改增量的副本存储在一个单独的存储中，该存储被适当地键入，以便我们可以将更改与特定的人关联。理想情况下，我们认为键/值存储（NoSQL）是该数据的正确存储。这种方法是使用这个存储来重放所有的增量，以满足一个人的临时查询需求

提问 这种方法是否适合为数据的临时查询构建存储？在处理海量数据时，是否有其他方法甚至工具解决了这一需求？Kafka对于等式中的事件源部分似乎是正确的，但我担心的是，为了审计、灾难恢复和临时（时间点）查询的目的，需要将事件维护数年