> ## 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.

# Analytics em tempo real

> Aprenda a criar aplicativos de analytics em tempo real com ClickHouse Cloud para obter insights instantâneos e tomar decisões com base em dados

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>;
};

Em analytics, "tempo real" geralmente significa que a experiência do usuário parece acontecer ao vivo.
Um cliente recarrega um dashboard, abre um ranking ou investiga um problema e espera que os dados reflitam o que acabou de acontecer.
Tecnicamente, isso significa não apenas fornecer consultas analíticas de baixa latência, mas fazer isso enquanto os dados são continuamente inseridos em alto volume.

<div id="system-properties">
  ## Propriedades de um sistema de analytics em tempo real
</div>

Quando os clientes avaliam uma plataforma de analytics em tempo real, eles costumam focar apenas na latência da consulta. "Ela consegue retornar uma resposta em 50 ms?" é uma pergunta razoável — e que a maioria dos motores analíticos consegue responder de forma convincente, se você aplicar recursos computacionais suficientes a um conjunto de dados estático.

A pergunta que determina o que os usuários realmente percebem é mais difícil. É se o sistema consegue retornar uma resposta em 50 ms **com dados que chegaram há um segundo**, enquanto a ingestão ainda está em andamento e enquanto outros usuários também estão fazendo consultas.

A disponibilidade dos dados exige pensar no tempo total até o insight, que tem três componentes.

* **Tempo de ingestão**: Quanto tempo leva para que os dados recém-gerados cheguem à plataforma e sejam armazenados de forma durável?
* **Tempo de transformação e preparação**: Quanto tempo leva para limpar, enriquecer, fazer join, pré-agregar ou atualizar as estruturas que efetivamente atendem às consultas (visões materializadas, rollups, índices)?
* **Tempo de consulta**: Quanto tempo leva para planejar e executar a leitura depois que os dados estão disponíveis?

<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="Analytics em tempo real: tempo de ingestão, transformação e consulta" width="2526" height="1043" data-path="images/use-cases/rta-considerations.png" />

<div id="clickhouse-rta">
  ## Como o ClickHouse viabiliza analytics em tempo 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="Como o ClickHouse viabiliza analytics em tempo real" width="1098" height="1324" data-path="images/use-cases/real-time-analytics-architecture.png" />
  </div>

  <ExclusiveGroup name="rta-arch">
    <AccordionGroup>
      <Accordion title="Ingestão de dados" defaultOpen>
        Com o [ClickPipes](/pt-BR/integrations/clickpipes/home), disponível exclusivamente no ClickHouse Cloud, você conta com um mecanismo de integração pronto para uso que torna a ingestão de grandes volumes de dados simples. Selecione uma fonte de dados de entrada e um formato, ajuste seu esquema e deixe o pipeline rodando.

        A extensa biblioteca de [motores de tabela](/pt-BR/reference/engines/table-engines) do ClickHouse oferece suporte à ingestão de dados de tópicos do Kafka, buckets do S3, bancos de dados OLTP e muito mais. Ao contrário de outros bancos de dados OLAP que exigem inserções em lote para alcançar alto throughput, o ClickHouse lida igualmente bem com payloads menores — [asynchronous inserts](/pt-BR/concepts/features/operations/insert/asyncinserts) os agrupam automaticamente para otimizar o desempenho de gravação.
      </Accordion>

      <Accordion title="Transformações de dados e consultas">
        [Visões materializadas](/pt-BR/concepts/features/materialized-views) tornam as transformações simples — acionadas automaticamente quando novos dados são inseridos, elas extraem, agregam e modificam os dados à medida que chegam, sem exigir pipelines personalizados. Encadeá-las adiciona flexibilidade modular.

        As consultas em visões materializadas são excepcionalmente rápidas, já que os resultados ficam armazenados em tabelas dedicadas. O ClickHouse Cloud inclui [cache de consultas](/pt-BR/concepts/features/performance/caches/query-cache), [índices esparsos](/pt-BR/concepts/features/performance/skip-indexes/skipping-indexes) e [projeções](/pt-BR/concepts/features/projections/projections) sem custo adicional.
      </Accordion>

      <Accordion title="Aplicações e dashboards">
        O ClickHouse viabiliza analytics voltados ao usuário em serviços financeiros, jogos, e-commerce e muito mais. Ele oferece uma interface REST para que desenvolvedores web possam criar aplicações leves sem protocolos binários complexos.

        Há conectores nativos para ferramentas de BI como [Grafana](/pt-BR/integrations/connectors/data-visualization/grafana), [Tableau](/pt-BR/integrations/connectors/data-visualization/tableau/tableau-and-clickhouse) e [Looker](/pt-BR/integrations/connectors/data-visualization/looker-and-clickhouse), além de clientes para linguagens, clientes SQL e o [MySQL wire protocol](/pt-BR/concepts/features/interfaces/mysql) para ferramentas sem conector nativo.
      </Accordion>
    </AccordionGroup>
  </ExclusiveGroup>
</Columns>