Skip to main content
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.

​
Propriedades de um sistema de analytics em tempo real

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?

​
Como o ClickHouse viabiliza analytics em tempo real

Última modificação em 3 de julho de 2026