> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-detect-table-modification.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Gravando dados em formatos de tabela abertos > Grave dados do ClickHouse de volta em tabelas Iceberg no armazenamento de objetos para retenção de longo prazo e consumo downstream. Nos guias anteriores, você consultou formatos de tabela abertos diretamente e carregou dados no MergeTree para análises rápidas. Em muitas arquiteturas, os dados também precisam fluir na direção oposta — do ClickHouse de volta para formatos de tabela abertos. Dois cenários comuns motivam isso: * **Transferência para armazenamento de longo prazo** - Os dados chegam ao ClickHouse como uma camada de analytics em tempo real, alimentando dashboards e relatórios operacionais. Quando os dados ultrapassam sua janela de tempo real, eles podem ser gravados no Iceberg em armazenamento de objetos para retenção durável e econômica em um formato interoperável. * **ETL reverso** - Transformações, agregações e enriquecimento realizados dentro do ClickHouse produzem conjuntos de dados derivados que ferramentas downstream e outras equipes precisam consumir. Gravar esses resultados em tabelas Iceberg os disponibiliza para todo o ecossistema de dados. Em ambos os casos, `INSERT INTO SELECT` permite mover dados de tabelas do ClickHouse para tabelas Iceberg armazenadas em armazenamento de objetos. No momento, a gravação em formatos de tabela abertos é compatível **apenas com tabelas Iceberg**. O suporte parcial para tabelas Delta Lake está em desenvolvimento. As tabelas não devem ser gerenciadas por um catálogo.
## Prepare um dataset de origem
Para este guia, usaremos o dataset [UK Price Paid](/pt-BR/get-started/sample-datasets/uk-price-paid) — um registro público de todas as transações de imóveis residenciais na Inglaterra e no País de Gales.
### Criar e popular uma tabela MergeTree
```sql theme={null} CREATE DATABASE uk; CREATE TABLE uk.uk_price_paid ( price UInt32, date Date, postcode1 LowCardinality(String), postcode2 LowCardinality(String), type Enum8('terraced' = 1, 'semi-detached' = 2, 'detached' = 3, 'flat' = 4, 'other' = 0), is_new UInt8, duration Enum8('freehold' = 1, 'leasehold' = 2, 'unknown' = 0), addr1 String, addr2 String, street LowCardinality(String), locality LowCardinality(String), town LowCardinality(String), district LowCardinality(String), county LowCardinality(String) ) ENGINE = MergeTree ORDER BY (postcode1, postcode2, addr1, addr2); ``` Popule a tabela diretamente a partir da fonte CSV pública: ```sql theme={null} INSERT INTO uk.uk_price_paid SELECT toUInt32(price_string) AS price, parseDateTimeBestEffortUS(time) AS date, splitByChar(' ', postcode)[1] AS postcode1, splitByChar(' ', postcode)[2] AS postcode2, transform(a, ['T', 'S', 'D', 'F', 'O'], ['terraced', 'semi-detached', 'detached', 'flat', 'other']) AS type, b = 'Y' AS is_new, transform(c, ['F', 'L', 'U'], ['freehold', 'leasehold', 'unknown']) AS duration, addr1, addr2, street, locality, town, district, county FROM url( 'http://prod1.publicdata.landregistry.gov.uk.s3-website-eu-west-1.amazonaws.com/pp-complete.csv', 'CSV', 'uuid_string String, price_string String, time String, postcode String, a String, b String, c String, addr1 String, addr2 String, street String, locality String, town String, district String, county String, d String, e String' ) SETTINGS max_http_get_redirects=10; ``` ```response theme={null} 30906560 rows in set. Elapsed: 59.852 sec. Processed 30.91 million rows, 5.41 GB (516.39 thousand rows/s., 90.40 MB/s.) Peak memory usage: 485.15 MiB. ```
## Gravar dados em uma tabela Iceberg
### Criar a tabela Iceberg
Para gravar dados no Iceberg, crie uma tabela usando o [motor de tabela `IcebergS3`](/pt-BR/reference/engines/table-engines/integrations/iceberg). Observe que o esquema precisa ser simplificado em comparação com a tabela de origem no MergeTree. O ClickHouse oferece suporte a um sistema de tipos mais rico que o Iceberg e os arquivos Parquet subjacentes — tipos como `Enum`, `LowCardinality` e `UInt8` não são compatíveis com o Iceberg e precisam ser mapeados para tipos compatíveis. ```sql theme={null} CREATE TABLE uk.uk_iceberg ( price UInt32, date Date, postcode1 String, postcode2 String, type UInt32, is_new UInt32, duration UInt32, addr1 String, addr2 String, street String, locality String, town String, district String, county String ) ENGINE = IcebergS3('https://datasets-documentation.s3.amazonaws.com/lake_formats/iceberg_uk_price_paid/', '', '', '') ```
### Insira um subconjunto dos dados
Use `INSERT INTO SELECT` para gravar dados da tabela MergeTree na tabela Iceberg. Neste exemplo, gravamos apenas as transações de Londres: ```sql theme={null} SET allow_experimental_insert_into_iceberg = 1; INSERT INTO uk.uk_iceberg SELECT * FROM uk.uk_price_paid WHERE town = 'LONDON' ``` ```response theme={null} 2346741 rows in set. Elapsed: 1.419 sec. Processed 30.91 million rows, 153.43 MB (21.78 million rows/s., 108.15 MB/s.) Peak memory usage: 371.60 MiB. ```
### Consulte a tabela Iceberg
Os dados agora estão armazenados no formato Iceberg em armazenamento de objetos e podem ser consultados a partir do ClickHouse — ou de qualquer outra ferramenta que leia Iceberg: ```sql theme={null} SELECT locality, count() FROM uk.uk_iceberg WHERE locality != '' GROUP BY locality ORDER BY count() DESC LIMIT 10 ``` ```response theme={null} ┌─locality────┬─count()─┐ │ LONDON │ 896796 │ │ WALTHAMSTOW │ 8610 │ │ LEYTON │ 3525 │ │ CHINGFORD │ 3133 │ │ HORNSEY │ 2794 │ │ STREATHAM │ 2760 │ │ WOOD GREEN │ 2443 │ │ ACTON │ 2155 │ │ LEYTONSTONE │ 2102 │ │ EAST HAM │ 2085 │ └─────────────┴─────────┘ 10 rows in set. Elapsed: 0.329 sec. Processed 457.86 thousand rows, 2.62 MB (1.39 million rows/s., 7.95 MB/s.) Peak memory usage: 12.19 MiB. ```
## Gravar resultados agregados
As tabelas Iceberg não se limitam a armazenar linhas brutas. Elas também podem armazenar a saída de agregações e transformações — os resultados de processos de ETL executados no ClickHouse. Isso é útil para publicar resumos pré-computados em um lakehouse para consumo downstream.
### Criar uma tabela Iceberg para dados agregados
```sql theme={null} CREATE TABLE uk.uk_avg_town ( price Float64, town String ) ENGINE = IcebergS3('https://datasets-documentation.s3.amazonaws.com/lake_formats/iceberg_uk_avg_town/', '', '', '') ```
### Inserir dados agregados
Calcule o preço médio dos imóveis por cidade e grave os resultados diretamente no Iceberg: ```sql theme={null} INSERT INTO uk.uk_avg_town SELECT avg(price) AS price, town FROM uk.uk_price_paid GROUP BY town ``` ```response theme={null} 1173 rows in set. Elapsed: 0.480 sec. Processed 30.91 million rows, 185.44 MB (64.34 million rows/s., 386.05 MB/s.) Peak memory usage: 4.18 MiB. ```
### Consulte a tabela agregada
Outras ferramentas — e outras instâncias do ClickHouse — agora podem ler esse conjunto de dados pré-calculado: ```sql theme={null} SELECT town, price FROM uk.uk_avg_town ORDER BY price DESC LIMIT 10 ``` ```response theme={null} ┌─town───────────────┬──────────────price─┐ │ GATWICK │ 28232811.583333332 │ │ THORNHILL │ 985000 │ │ VIRGINIA WATER │ 984633.2938574939 │ │ CHALFONT ST GILES │ 863347.7280187573 │ │ COBHAM │ 775251.47313278 │ │ PURFLEET-ON-THAMES │ 772651.8 │ │ BEACONSFIELD │ 746052.9327405858 │ │ ESHER │ 686708.4969745865 │ │ KESTON │ 654541.1774842045 │ │ GERRARDS CROSS │ 639109.4084023251 │ └────────────────────┴────────────────────┘ 10 rows in set. Elapsed: 0.210 sec. ```