> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Análisis en tiempo real

> Aprende a crear aplicaciones de análisis en tiempo real con ClickHouse Cloud para obtener información al instante y tomar decisiones basadas en datos

export const Image = ({img, alt, size}) => {
  return <Frame>
      <img src={img} alt={alt} />
    </Frame>;
};

export const ExclusiveGroup = ({name, children}) => {
  useEffect(() => {
    document.querySelectorAll(`[data-eg="${name}"] details`).forEach(d => d.setAttribute('name', name));
  });
  return <div data-eg={name}>{children}</div>;
};

En analítica, "en tiempo real" suele significar que la experiencia de usuario se percibe como algo en vivo.
Un cliente actualiza un dashboard, abre una clasificación o investiga un problema y espera que los datos reflejen lo que acaba de suceder.
Técnicamente, esto significa no solo ofrecer consultas analíticas de baja latencia, sino también lograrlo mientras los datos se insertan continuamente a gran volumen.

<div id="system-properties">
  ## Propiedades de un sistema de análisis en tiempo real
</div>

Cuando los clientes evalúan una plataforma de análisis en tiempo real, a menudo se centran solo en la latencia de las consultas. "¿Puede devolver una respuesta en 50 ms?" es una pregunta razonable, y una que la mayoría de los motores analíticos pueden responder de forma convincente si se les asignan suficientes recursos de cómputo sobre un conjunto de datos estático.

La pregunta que determina lo que los usuarios realmente experimentan es más difícil. Es si el sistema puede devolver una respuesta en 50 ms **con datos que llegaron hace un segundo**, mientras la ingestión sigue en curso y mientras otros usuarios también están realizando consultas.

La disponibilidad de los datos exige pensar en el tiempo total hasta obtener información útil de extremo a extremo, que tiene tres componentes.

* **Tiempo de ingestión**: ¿Cuánto tarda la plataforma en recibir los datos recién generados y almacenarlos de forma duradera?
* **Tiempo de transformación y preparación**: ¿Cuánto se tarda en limpiar, enriquecer, unir, preagregar o actualizar las estructuras de consulta (vistas materializadas, rollups, índices) sobre las que realmente se ejecutan las consultas?
* **Tiempo de consulta**: ¿Cuánto se tarda en planificar y ejecutar la lectura una vez que los datos están disponibles?

<Image img="https://mintcdn.com/private-7c7dfe99-fix-nav-issues/Wpmp4N2VLv_V8ziJ/images/use-cases/rta-considerations.png?fit=max&auto=format&n=Wpmp4N2VLv_V8ziJ&q=85&s=af834aa920afe64dc1b5bed47a5cf800" alt="Análisis en tiempo real: tiempo de ingestión, transformación y consulta" width="2526" height="1043" data-path="images/use-cases/rta-considerations.png" />

<div id="clickhouse-rta">
  ## Cómo ClickHouse impulsa el análisis en tiempo real
</div>

<Columns cols={2}>
  <div>
    <Image img="https://mintcdn.com/private-7c7dfe99-fix-nav-issues/Wpmp4N2VLv_V8ziJ/images/use-cases/real-time-analytics-architecture.png?fit=max&auto=format&n=Wpmp4N2VLv_V8ziJ&q=85&s=ceb1e98065eb660dbad56b0f3deef1e2" alt="Cómo ClickHouse impulsa el análisis en tiempo real" width="1098" height="1324" data-path="images/use-cases/real-time-analytics-architecture.png" />
  </div>

  <ExclusiveGroup name="rta-arch">
    <AccordionGroup>
      <Accordion title="Ingestión de datos" defaultOpen>
        Con [ClickPipes](/es/integrations/clickpipes/home), disponible exclusivamente en ClickHouse Cloud, obtienes un motor de integración listo para usar que facilita la ingestión de grandes volúmenes de datos. Selecciona una fuente de datos de entrada y un formato, ajusta el esquema y deja que la canalización se ejecute.

        La amplia biblioteca de [motores de tablas](/es/reference/engines/table-engines) de ClickHouse admite la ingestión de datos desde topics de Kafka, buckets de S3, bases de datos OLTP y más. A diferencia de otras bases de datos OLAP que requieren inserciones por lotes para lograr un alto rendimiento, ClickHouse maneja igual de bien payloads más pequeños: las [inserciones asíncronas](/es/concepts/features/operations/insert/asyncinserts) los agrupan automáticamente en lotes para optimizar el rendimiento de escritura.
      </Accordion>

      <Accordion title="Transformaciones de datos y consultas">
        Las [vistas materializadas](/es/concepts/features/materialized-views) permiten realizar transformaciones sin fricciones: se activan automáticamente cuando se insertan datos nuevos, y extraen, agregan y modifican los datos a medida que llegan, sin necesidad de canalizaciones personalizadas. Encadenarlas aporta flexibilidad modular.

        Las consultas sobre vistas materializadas son excepcionalmente rápidas, ya que los resultados se almacenan en tablas dedicadas. ClickHouse Cloud incluye la [caché de consultas](/es/concepts/features/performance/caches/query-cache), los [índices dispersos](/es/concepts/features/performance/skip-indexes/skipping-indexes) y las [proyecciones](/es/concepts/features/projections/projections) sin costo adicional.
      </Accordion>

      <Accordion title="Aplicaciones y dashboards">
        ClickHouse impulsa la analítica orientada al usuario en servicios financieros, videojuegos, comercio electrónico y más. Admite una interfaz REST para que los desarrolladores web puedan crear aplicaciones ligeras sin recurrir a protocolos binarios complejos.

        Hay conectores nativos para herramientas de BI como [Grafana](/es/integrations/connectors/data-visualization/grafana), [Tableau](/es/integrations/connectors/data-visualization/tableau/tableau-and-clickhouse) y [Looker](/es/integrations/connectors/data-visualization/looker-and-clickhouse), además de clientes para distintos lenguajes, clientes SQL y el [MySQL wire protocol](/es/concepts/features/interfaces/mysql) para herramientas sin un conector nativo.
      </Accordion>
    </AccordionGroup>
  </ExclusiveGroup>
</Columns>