> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Catálogo de runtime de lakehouse (BigLake Metastore)

> En esta guía, le mostraremos los pasos para consultar sus datos en Google Cloud Storage con ClickHouse y el catálogo de runtime de Lakehouse (BigLake Metastore).

export const BetaBadge = ({link, galaxyTrack, galaxyEvent}) => {
  if (link) {
    return <a href={link} target="_blank" rel="noopener noreferrer" className="betaBadge" onClick={galaxyTrack && galaxyEvent ? galaxyOnClick(galaxyEvent) : undefined}>
                <Icon />
                <span>Beta</span>
            </a>;
  }
  return <div className="betaBadge">
            <Icon />
            <span>
                Funcionalidad beta. 
                <u>
                    <a href="/docs/docs/beta-and-experimental-features#beta-features">
                        Más información.
                    </a>
                </u>
            </span>
        </div>;
};

<BetaBadge />

ClickHouse admite la integración con múltiples catálogos (Unity, Glue, Polaris, etc.). Esta guía le mostrará cómo consultar sus tablas Iceberg en [catálogo de runtime de Lakehouse, también conocido como BigLake Metastore](https://docs.cloud.google.com/biglake/docs/) mediante ClickHouse.

<Note>
  Como esta funcionalidad está en beta, deberá habilitarla con:
  `SET allow_database_iceberg = 1;`
</Note>

<div id="prerequisites">
  ## Requisitos previos
</div>

Antes de crear una conexión de ClickHouse a catálogo de runtime de Lakehouse (BigLake Metastore), asegúrate de contar con lo siguiente:

* Un **proyecto de Google Cloud** con catálogo de runtime de Lakehouse habilitado
* **Credenciales predeterminadas de la aplicación** (ID de cliente OAuth y secreto de cliente) para una aplicación, creadas a través de [Google Cloud Console](https://docs.cloud.google.com/docs/authentication/provide-credentials-adc)
* Un **token de actualización** obtenido al completar el flujo de OAuth con los alcances adecuados (por ejemplo, `https://www.googleapis.com/auth/bigquery` y el alcance de almacenamiento para GCS)
* Una **ruta de warehouse**: un bucket de GCS (y un prefijo opcional) donde se almacenan tus tablas, por ejemplo, `gs://your-bucket` o `gs://your-bucket/prefix`

<div id="creating-a-connection">
  ## Crear una conexión entre catálogo de runtime de Lakehouse y ClickHouse
</div>

Con las credenciales de OAuth ya configuradas, cree una base de datos en ClickHouse que utilice el motor de base de datos [DataLakeCatalog](/docs/es/reference/engines/database-engines/datalake):

```sql theme={null}
SET allow_database_iceberg = 1;

CREATE DATABASE lakehouse_runtime_catalog
ENGINE = DataLakeCatalog('https://biglake.googleapis.com/iceberg/v1/restcatalog')
SETTINGS
    catalog_type = 'biglake',
    google_adc_client_id = '<client-id>',
    google_adc_client_secret = '<client-secret>',
    google_adc_refresh_token = '<refresh-token>',
    google_adc_quota_project_id = '<gcp-project-id>',
    warehouse = 'gs://<bucket_name>/<optional-prefix>';
```

<div id="querying-lakehouse-runtime-tables">
  ## Consultar tablas del catálogo de runtime de Lakehouse desde ClickHouse
</div>

Una vez creada la conexión, puedes consultar las tablas registradas en el catálogo de runtime de Lakehouse.

```sql theme={null}
USE LAKEHOUSE_RUNTIME_CATALOG;

SHOW TABLES;
```

Salida de ejemplo:

```response theme={null}
┌─name──────────────────────────────────────┐
│lakehouse_runtime_catalog.my_iceberg_table │   
└───────────────────────────────────────────┘
```

```sql theme={null}
SELECT count(*) FROM `lakehouse_runtime_catalog.my_iceberg_table`;
```

<Info>
  **Comillas invertidas obligatorias**

  Las comillas invertidas son obligatorias porque ClickHouse no admite más de un espacio de nombres.
</Info>

Para ver la definición de la tabla:

```sql theme={null}
SHOW CREATE TABLE `lakehouse_runtime_catalog.my_iceberg_table`;
```

<div id="loading-data-into-clickhouse">
  ## Cargar datos desde Lakehouse a ClickHouse
</div>

Para cargar datos desde una tabla del catálogo de runtime de Lakehouse en una tabla local de ClickHouse y acelerar las consultas repetidas, cree una tabla MergeTree e inserte los datos desde el catálogo:

```sql theme={null}
CREATE TABLE clickhouse_table
(
    `id` Int64,
    `event_time` DateTime64(3),
    `user_id` String,
    `payload` String
)
ENGINE = MergeTree
ORDER BY (event_time, id);

INSERT INTO local_events
SELECT * FROM lakehouse_runtime_catalog.`icebench.my_iceberg_table`;
```

Después de la carga inicial, consulta `clickhouse_table` para reducir la latencia. Vuelve a ejecutar `INSERT INTO ... SELECT` para actualizar los datos de BigLake cuando sea necesario.