> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-postgresql-tls-support.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Matriz de suporte
> Matrizes de suporte abrangentes para as integrações do ClickHouse com formatos de tabela abertos e conexões com catálogos de lago de dados.
Esta página apresenta matrizes de suporte abrangentes para as integrações de lago de dados do ClickHouse. Ela cobre os recursos disponíveis para cada formato de tabela aberto, os catálogos aos quais o ClickHouse pode se conectar e os recursos compatíveis com cada catálogo.
## Suporte a formatos de tabela abertos
O ClickHouse integra-se a quatro formatos de tabela abertos: [Apache Iceberg](/pt-BR/reference/engines/table-engines/integrations/iceberg), [Delta Lake](/pt-BR/reference/engines/table-engines/integrations/deltalake), [Apache Hudi](/pt-BR/reference/engines/table-engines/integrations/hudi) e [Apache Paimon](/pt-BR/reference/functions/table-functions/paimon). Selecione um formato abaixo para ver a matriz de suporte correspondente.
**Legenda:** ✅ Suportado | ⚠️ Parcial / Experimental | ❌ Não suportado
| Recurso | Status | Observações |
| ----------------------------------- | :----: | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Backends de armazenamento** | | |
| AWS S3 | ✅ | Via [`icebergS3()`](/pt-BR/reference/functions/table-functions/iceberg) ou pelo alias `iceberg()` |
| GCS | ✅ | Via [`icebergS3()`](/pt-BR/reference/functions/table-functions/iceberg) ou pelo alias `iceberg()` |
| Azure Blob Storage | ✅ | Via [`icebergAzure()`](/pt-BR/reference/functions/table-functions/iceberg) |
| HDFS | ⚠️ | Via [`icebergHDFS()`](/pt-BR/reference/functions/table-functions/iceberg). Descontinuado. |
| Sistema de arquivos local | ✅ | Via [`icebergLocal()`](/pt-BR/reference/functions/table-functions/iceberg) |
| **Métodos de acesso** | | |
| Função de tabela | ✅ | [`icebergS3()`](/pt-BR/reference/functions/table-functions/iceberg) com variantes para cada backend |
| Engine de tabela | ✅ | [`IcebergS3`](/pt-BR/reference/engines/table-engines/integrations/iceberg) com variantes para cada backend |
| Leituras distribuídas em cluster | ✅ | [`icebergS3Cluster`](/pt-BR/reference/functions/table-functions/icebergCluster), [`icebergAzureCluster`](/pt-BR/reference/functions/table-functions/icebergCluster), [`icebergHDFSCluster`](/pt-BR/reference/functions/table-functions/icebergCluster) |
| Coleções nomeadas | ✅ | [Definindo uma coleção nomeada](/pt-BR/reference/functions/table-functions/iceberg#defining-a-named-collection) |
| | | |
| **Recursos de leitura** | | |
| Suporte de leitura | ✅ | Suporte completo a SELECT com todas as funções do ClickHouse SQL |
| Poda de partições | ✅ | Veja [Poda de partições](/pt-BR/reference/engines/table-engines/integrations/iceberg#partition-pruning). |
| Particionamento oculto | ✅ | Suporte a particionamento baseado em transformações do Iceberg |
| Evolução de partições | ✅ | Suporte à leitura de tabelas com especificações de partição que mudam ao longo do tempo |
| Evolução de esquema | ✅ | Adição, remoção e reordenação de colunas. Veja [Evolução de esquema](/pt-BR/reference/engines/table-engines/integrations/iceberg#schema-evolution). |
| Promoção / ampliação de tipos | ✅ | `int` → `long`, `float` → `double`, `decimal(P,S)` → `decimal(P',S)` onde P' > P. Veja [Evolução de esquema](/pt-BR/reference/engines/table-engines/integrations/iceberg#schema-evolution). |
| Time travel / snapshots | ✅ | Via as configurações `iceberg_timestamp_ms` ou `iceberg_snapshot_id`. Veja [Time travel](/pt-BR/reference/engines/table-engines/integrations/iceberg#time-travel). |
| Exclusões por posição | ✅ | Veja [Processamento de linhas excluídas](/pt-BR/reference/engines/table-engines/integrations/iceberg#deleted-rows). |
| Exclusões por igualdade | ✅ | Apenas para engine de tabela, a partir da v25.8+. Veja [Processamento de linhas excluídas](/pt-BR/reference/engines/table-engines/integrations/iceberg#deleted-rows). |
| Merge-on-read | ⚠️ | Experimental. Compatível com [operações de exclusão](/pt-BR/reference/functions/table-functions/iceberg#iceberg-writes-delete). |
| Versões de formato | ⚠️ | v1 e v2 são compatíveis. V3 não é compatível. |
| Estatísticas de colunas | ✅ | |
| Filtros de Bloom / arquivos puffin | ❌ | Índices de filtro de Bloom em arquivos puffin não têm suporte |
| Colunas virtuais | ✅ | `_path`, `_file`, `_size`, `_time`, `_etag`. Veja [Colunas virtuais](/pt-BR/reference/functions/table-functions/iceberg#virtual-columns). |
| | | |
| **Recursos de escrita** | | |
| Criação de tabela | ✅ | Experimental. Requer `allow_insert_into_iceberg = 1`. A partir da v25.7+. Veja [Criando uma tabela](/pt-BR/reference/functions/table-functions/iceberg#create-iceberg-table). |
| INSERT | ✅ | Beta a partir da versão 26.2. Requer `allow_insert_into_iceberg = 1`. Veja [Inserção de dados](/pt-BR/reference/functions/table-functions/iceberg#writes-inserts). |
| DELETE | ✅ | Experimental. Requer `allow_insert_into_iceberg = 1`. Via `ALTER TABLE ... DELETE WHERE`. Veja [Exclusão de dados](/pt-BR/reference/functions/table-functions/iceberg#iceberg-writes-delete). |
| ALTER TABLE (alterações no esquema) | ✅ | Experimental. Requer `allow_insert_into_iceberg = 1`. Adicionar, remover, modificar e renomear colunas. Veja [Evolução do esquema](/pt-BR/reference/functions/table-functions/iceberg#iceberg-writes-schema-evolution). |
| Compactação | ⚠️ | Experimental. Requer `allow_experimental_iceberg_compaction = 1`. Mescla arquivos de exclusão por posição em arquivos de dados. Veja [Compactação](/pt-BR/reference/functions/table-functions/iceberg#iceberg-writes-compaction). Outras operações de compactação do Iceberg não são suportadas. |
| UPDATE / MERGE | ❌ | Não suportado. Veja Compactação. |
| Copy-on-write | ❌ | Não suportado |
| Expirar snapshots | ❌ | Não suportado |
| Remover arquivos órfãos | ❌ | Não suportado |
| Gravação em partições | ✅ | Suportado. |
| Alteração de partições | ❌ | A alteração do esquema de particionamento a partir do ClickHouse não é suportada. O ClickHouse pode gravar em tabelas Iceberg com particionamento evoluído. |
| | | |
| **Metadados** | | |
| Branches e tags | ❌ | Referências a branches/tags do Iceberg não são suportadas |
| Resolução de arquivos de metadados | ✅ | Suporte à resolução de arquivos de metadados por meio de catálogos, listagem simples de diretórios, uso de 'version-hint' e caminho específico. Configurável via `iceberg_metadata_file_path` e `iceberg_metadata_table_uuid`. Veja [Resolução de arquivos de metadados](/pt-BR/reference/engines/table-engines/integrations/iceberg#metadata-file-resolution). |
| Cache de dados | ✅ | Mesmo mecanismo usado pelos motores de armazenamento S3/Azure/HDFS. Veja [Cache de dados](/pt-BR/reference/engines/table-engines/integrations/iceberg#data-cache). |
| Cache de metadados | ✅ | Arquivos de manifesto e metadados armazenados em cache na memória. Habilitado por padrão via `use_iceberg_metadata_files_cache`. Veja [Cache de metadados](/pt-BR/reference/engines/table-engines/integrations/iceberg#metadata-cache). |
A partir da versão 25.6, o ClickHouse lê tabelas Delta Lake usando o kernel Rust do Delta Lake, oferecendo suporte mais amplo a recursos. No entanto, há problemas conhecidos ao acessar dados no Azure Blob Storage. Por esse motivo, o kernel é desativado na leitura de dados no Azure Blob Storage. Abaixo, indicamos quais recursos exigem esse kernel.
| Recurso | Status | Observações |
| -------------------------------- | :----: | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Backends de armazenamento** | | |
| AWS S3 | ✅ | Via [`deltaLake()`](/pt-BR/reference/functions/table-functions/deltalake) ou `deltaLakeS3()` |
| GCS | ✅ | Via [`deltaLake()`](/pt-BR/reference/functions/table-functions/deltalake) ou `deltaLakeS3()` |
| Azure Blob Storage | ✅ | Via [`deltaLakeAzure()`](/pt-BR/reference/functions/table-functions/deltalake) |
| HDFS | ❌ | Não suportado |
| Sistema de arquivos local | ✅ | Via [`deltaLakeLocal()`](/pt-BR/reference/functions/table-functions/deltalake) |
| **Métodos de acesso** | | |
| Função de tabela | ✅ | [`deltaLake()`](/pt-BR/reference/functions/table-functions/deltalake) com variantes para cada backend |
| Motor de tabela | ✅ | [`DeltaLake`](/pt-BR/reference/engines/table-engines/integrations/deltalake) |
| Leituras distribuídas em cluster | ✅ | [`deltaLakeCluster`](/pt-BR/reference/functions/table-functions/deltalakeCluster), [`deltaLakeAzureCluster`](/pt-BR/reference/functions/table-functions/deltalakeCluster) |
| Coleções nomeadas | ✅ | [Named collection](/pt-BR/reference/functions/table-functions/deltalake#arguments) |
| **Recursos de leitura** | | |
| Suporte de leitura | ✅ | Suporte completo a SELECT com todas as funções do ClickHouse SQL |
| Poda de partições | ✅ | Requer Delta Kernel. |
| Evolução de schema | ✅ | Requer Delta Kernel. |
| Viagem no tempo | ✅ | Requer Delta Kernel. |
| Vetores de exclusão | ✅ | |
| Mapeamento de colunas | ✅ | |
| Feed de dados de alterações | ✅ | Requer Delta Kernel. |
| Colunas virtuais | ✅ | `_path`, `_file`, `_size`, `_time`, `_etag`. Consulte [Virtual columns](/pt-BR/reference/functions/table-functions/deltalake#virtual-columns). |
| **Recursos de escrita** | | |
| INSERT | ✅ | Experimental. Requer `allow_experimental_delta_lake_writes = 1`. Consulte [DeltaLake engine](/pt-BR/reference/engines/table-engines/integrations/deltalake). Requer Delta Kernel. |
| DELETE / UPDATE / MERGE | ❌ | Não suportado |
| CREATE tabela vazia | ❌ | Não há suporte para criar uma nova tabela Delta Lake vazia. A operação `CREATE TABLE` pressupõe a existência de uma tabela Delta Lake no armazenamento de objetos. |
| **Cache** | | |
| Cache de dados | ✅ | Mesmo mecanismo dos motores de armazenamento S3/Azure/HDFS. Consulte [Data cache](/pt-BR/reference/engines/table-engines/integrations/deltalake#data-cache). |
| Funcionalidade | Status | Observações |
| -------------------------------- | :----: | ------------------------------------------------------------------------------------------------------------------------------------------ |
| **Backends de armazenamento** | | |
| AWS S3 | ✅ | Via [`hudi()`](/pt-BR/reference/functions/table-functions/hudi) |
| GCS | ✅ | Via [`hudi()`](/pt-BR/reference/functions/table-functions/hudi) |
| Azure Blob Storage | ❌ | Sem suporte |
| HDFS | ❌ | Sem suporte |
| Sistema de arquivos local | ❌ | Sem suporte |
| **Métodos de acesso** | | |
| Função de tabela | ✅ | [`hudi()`](/pt-BR/reference/functions/table-functions/hudi) |
| Mecanismo de tabela | ✅ | [`Hudi`](/pt-BR/reference/engines/table-engines/integrations/hudi) |
| Leituras distribuídas em cluster | ✅ | [`hudiCluster`](/pt-BR/reference/functions/table-functions/hudiCluster) (somente S3) |
| Coleções nomeadas | ✅ | [Argumentos do Hudi](/pt-BR/reference/functions/table-functions/hudi#arguments) |
| **Recursos de leitura** | | |
| Suporte de leitura | ✅ | Suporte completo a SELECT com todas as funções do ClickHouse SQL |
| Evolução de esquema | ❌ | Sem suporte |
| Time travel | ❌ | Sem suporte |
| Colunas virtuais | ✅ | `_path`, `_file`, `_size`, `_time`, `_etag`. Consulte [Colunas virtuais](/pt-BR/reference/functions/table-functions/hudi#virtual-columns). |
| **Recursos de escrita** | | |
| INSERT / DELETE / UPDATE | ❌ | Integração somente leitura |
| **Cache** | | |
| Cache de dados | ❌ | Sem suporte |
| Funcionalidade | Status | Observações |
| -------------------------------- | :----: | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Backends de armazenamento** | | |
| S3 | ✅ | Experimental. Via [`paimon()`](/pt-BR/reference/functions/table-functions/paimon) ou `paimonS3()` |
| GCS | ✅ | Experimental. Via [`paimon()`](/pt-BR/reference/functions/table-functions/paimon) ou `paimonS3()` |
| Azure Blob Storage | ✅ | Experimental. Via [`paimonAzure()`](/pt-BR/reference/functions/table-functions/paimon) |
| HDFS | ⚠️ | Experimental. Via [`paimonHDFS()`](/pt-BR/reference/functions/table-functions/paimon). Descontinuado. |
| Sistema de arquivos local | ✅ | Experimental. Via [`paimonLocal()`](/pt-BR/reference/functions/table-functions/paimon) |
| **Métodos de acesso** | | |
| Função de tabela | ✅ | Experimental. [`paimon()`](/pt-BR/reference/functions/table-functions/paimon) com variantes para cada backend |
| Engine de tabela | ❌ | Sem engine de tabela dedicado |
| Leituras distribuídas no cluster | ✅ | Experimental. [`paimonS3Cluster`](/pt-BR/reference/functions/table-functions/paimonCluster), [`paimonAzureCluster`](/pt-BR/reference/functions/table-functions/paimonCluster), [`paimonHDFSCluster`](/pt-BR/reference/functions/table-functions/paimonCluster) |
| Coleções nomeadas | ✅ | Experimental. [Definindo uma coleção nomeada](/pt-BR/reference/functions/table-functions/paimon#defining-a-named-collection) |
| **Recursos de leitura** | | |
| Suporte para leitura | ✅ | Experimental. Suporte completo a SELECT com todas as funções do ClickHouse SQL |
| Evolução de esquema | ❌ | Sem suporte |
| Viagem no tempo | ❌ | Sem suporte |
| Colunas virtuais | ✅ | Experimental. `_path`, `_file`, `_size`, `_time`, `_etag`. Consulte [Colunas virtuais](/pt-BR/reference/functions/table-functions/paimon#virtual-columns). |
| **Recursos de escrita** | | |
| INSERT / DELETE / UPDATE | ❌ | Integração somente leitura |
| **Cache** | | |
| Cache de dados | ❌ | Sem suporte |
## Suporte a catálogos
O ClickHouse pode se conectar a catálogos de dados externos usando o engine de banco de dados [`DataLakeCatalog`](/pt-BR/reference/engines/database-engines/datalake), que expõe o catálogo como um banco de dados no ClickHouse. As tabelas registradas no catálogo aparecem automaticamente e podem ser consultadas com SQL padrão.
No momento, os catálogos abaixo são compatíveis. Consulte o guia de referência de cada catálogo para ver as instruções completas de configuração.
| Catálogo | Formatos | Leitura | Criar tabela | INSERT | Guia de referência |
| ---------------------------------------------------------------------------------- | -------------- | :------------: | :----------: | :----: | ------------------------------------------------------------------------------------------ |
| [AWS Glue Catalog](/pt-BR/guides/use-cases/data-warehousing/glue-catalog) | Iceberg | ✅ Beta | ❌ | ❌ | [Guia do AWS Glue catalog](/pt-BR/guides/use-cases/data-warehousing/glue-catalog) |
| [BigLake Metastore](/pt-BR/guides/use-cases/data-warehousing/biglake-catalog) | Iceberg | ✅ Beta | ❌ | ❌ | [Guia do BigLake Metastore](/pt-BR/guides/use-cases/data-warehousing/biglake-catalog) |
| [Databricks Unity Catalog](/pt-BR/guides/use-cases/data-warehousing/unity-catalog) | Delta, Iceberg | ✅ Beta | ✅ Beta | ✅ Beta | [Guia do Unity Catalog](/pt-BR/guides/use-cases/data-warehousing/unity-catalog) |
| [Iceberg REST](/pt-BR/guides/use-cases/data-warehousing/rest-catalog) | Iceberg | ✅ Beta | ❌ | ❌ | [Guia do REST catalog](/pt-BR/guides/use-cases/data-warehousing/rest-catalog) |
| [Lakekeeper](/pt-BR/guides/use-cases/data-warehousing/lakekeeper-catalog) | Iceberg | ✅ Beta | ❌ | ❌ | [Guia do catálogo Lakekeeper](/pt-BR/guides/use-cases/data-warehousing/lakekeeper-catalog) |
| [Project Nessie](/pt-BR/guides/use-cases/data-warehousing/nessie-catalog) | Iceberg | ✅ Experimental | ❌ | ❌ | [Guia do catálogo Nessie](/pt-BR/guides/use-cases/data-warehousing/nessie-catalog) |
| [Microsoft OneLake](/pt-BR/guides/use-cases/data-warehousing/onelake-catalog) | Iceberg | ✅ Beta | ✅ Beta | ✅ Beta | [Guia do catálogo OneLake](/pt-BR/guides/use-cases/data-warehousing/onelake-catalog) |
Atualmente, todas as integrações de catálogo exigem que uma configuração experimental ou beta esteja habilitada. Com exceção do Microsoft OneLake e do Databricks Unity Catalog, todos os catálogos expõem acesso **somente leitura** — as tabelas podem ser consultadas, mas não podem ser criadas nem receber gravações por meio da conexão com o catálogo. Para carregar dados de um catálogo no ClickHouse e acelerar as análises, use `INSERT INTO SELECT` conforme descrito no [guia de aceleração de análises](/pt-BR/guides/use-cases/data-warehousing/getting-started/accelerating-analytics). Para gravar dados de volta em formatos de tabela abertos, crie tabelas Iceberg independentes conforme descrito no [guia de gravação de dados](/pt-BR/guides/use-cases/data-warehousing/getting-started/writing-data).