Skip to main content
Dans les analytics, “en temps réel” signifie généralement que l’expérience utilisateur elle-même paraît en direct. Un client actualise un tableau de bord, ouvre un classement ou examine un incident, et s’attend à ce que les données reflètent ce qui vient de se passer. Techniquement, cela signifie non seulement fournir des requêtes analytiques à faible latence, mais aussi y parvenir alors que les données sont insérées en continu à fort volume.

​
Propriétés d’un système d’analytique en temps réel

Lorsque les clients évaluent une plateforme d’analytique en temps réel, ils se concentrent souvent uniquement sur la latence des requêtes. « Peut-elle renvoyer une réponse en moins de 50 ms ? » est une question raisonnable, à laquelle la plupart des moteurs analytiques peuvent répondre de manière convaincante si vous leur consacrez suffisamment de ressources de calcul sur un jeu de données statique. La question qui détermine ce que les utilisateurs vivent réellement est plus complexe. Elle consiste à savoir si le système peut renvoyer une réponse en 50 ms sur des données arrivées il y a une seconde, alors que l’ingestion est toujours en cours et que d’autres utilisateurs exécutent eux aussi des requêtes. Pour raisonner sur la disponibilité des données, il faut considérer le délai de bout en bout jusqu’à l’obtention d’un résultat exploitable, qui comporte trois composantes.
  • Temps d’ingestion : Combien de temps faut-il pour que des données nouvellement générées arrivent sur la plateforme et y soient stockées de manière durable ?
  • Temps de transformation et de préparation : Combien de temps faut-il pour nettoyer, enrichir, effectuer des jointures, pré-agréger ou mettre à jour les structures utilisées pour servir les requêtes (vues matérialisées, rollups, index) ?
  • Temps de requête : Combien de temps faut-il pour planifier et exécuter la lecture une fois les données disponibles ?

​
Comment ClickHouse propulse l’analytique en temps réel

Dernière modification le 3 juillet 2026