> ## 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 do lakehouse (BigLake Metastore)

> Neste guia, mostraremos as etapas para consultar seus dados no Google Cloud Storage usando o ClickHouse e o catálogo de runtime do 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>
                Funcionalidade Beta. 
                <u>
                    <a href="/docs/docs/beta-and-experimental-features#beta-features">
                        Saiba mais.
                    </a>
                </u>
            </span>
        </div>;
};

<BetaBadge />

O ClickHouse oferece suporte à integração com vários catálogos (Unity, Glue, Polaris etc.). Este guia mostra as etapas para consultar suas tabelas Iceberg no [catálogo de runtime do lakehouse, também conhecido como BigLake Metastore](https://docs.cloud.google.com/biglake/docs/) usando o ClickHouse.

<Note>
  Como esse recurso está em beta, você precisará ativá-lo com:
  `SET allow_database_iceberg = 1;`
</Note>

<div id="prerequisites">
  ## Pré-requisitos
</div>

Antes de criar uma conexão do ClickHouse com o catálogo de runtime do lakehouse (BigLake Metastore), certifique-se de ter:

* Um **projeto do Google Cloud** com o catálogo de runtime do lakehouse ativado
* **Credenciais padrão do aplicativo** (ID do cliente OAuth e segredo do cliente) para um aplicativo, criadas por meio do [Google Cloud Console](https://docs.cloud.google.com/docs/authentication/provide-credentials-adc)
* Um **token de refresh** obtido ao concluir o fluxo OAuth com os escopos apropriados (por exemplo, `https://www.googleapis.com/auth/bigquery` e o escopo de armazenamento do GCS)
* Um caminho de **warehouse**: um GCS bucket (e um prefixo opcional) onde suas tabelas estão armazenadas, por exemplo, `gs://your-bucket` ou `gs://your-bucket/prefix`

<div id="creating-a-connection">
  ## Criando uma conexão entre o catálogo de runtime do lakehouse e o ClickHouse
</div>

Com as credenciais OAuth configuradas, crie um banco de dados no ClickHouse usando o motor de banco de dados [DataLakeCatalog](/docs/pt-BR/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">
  ## Consultando tabelas do catálogo de runtime do Lakehouse usando o ClickHouse
</div>

Depois que a conexão for criada, você poderá consultar as tabelas registradas no catálogo de runtime do Lakehouse.

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

SHOW TABLES;
```

Saída de exemplo:

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

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

<Info>
  **Backticks obrigatórios**

  Os backticks são obrigatórios porque o ClickHouse não oferece suporte a mais de um espaço de nomes.
</Info>

Para inspecionar a definição da tabela:

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

<div id="loading-data-into-clickhouse">
  ## Carregando dados do Lakehouse para o ClickHouse
</div>

Para carregar dados de uma tabela no catálogo de runtime do Lakehouse para uma tabela local no ClickHouse e acelerar consultas recorrentes, crie uma tabela MergeTree e insira os dados a partir do 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`;
```

Após a carga inicial, consulte `clickhouse_table` para ter menor latência. Execute novamente `INSERT INTO ... SELECT` para atualizar os dados do BigLake quando necessário.