> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-parallel-read-in-order-multi-part.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> ClickHouse를 사용하여 Apache Iceberg, Delta Lake, Apache Hudi, Apache Paimon과 같은 오픈 테이블 포맷의 데이터를 쿼리하고, 가속화하며, 분석할 수 있습니다.

# 데이터 레이크

ClickHouse는 [Apache Iceberg](/ko/reference/engines/table-engines/integrations/iceberg), [Delta Lake](/ko/reference/engines/table-engines/integrations/deltalake), [Apache Hudi](/ko/reference/engines/table-engines/integrations/hudi), [Apache Paimon](/ko/reference/functions/table-functions/paimon)을 포함한 오픈 테이블 포맷과 통합됩니다. 이를 통해 객체 스토리지에 이러한 포맷으로 이미 저장된 데이터를 ClickHouse에 연결하고, ClickHouse의 분석 성능을 기존 데이터 레이크 인프라와 결합할 수 있습니다.

<h2 id="why-clickhouse-uses-lake-formats">
  오픈 테이블 포맷과 함께 ClickHouse를 사용하는 이유
</h2>

<h3 id="querying-data-in-place">
  기존 데이터를 원본 위치에서 쿼리하기
</h3>

ClickHouse는 데이터를 복제하지 않고도 객체 스토리지에 있는 오픈 테이블 포맷을 직접 쿼리할 수 있습니다. Iceberg, Delta Lake, Hudi 또는 Paimon을 표준으로 사용하는 조직은 ClickHouse가 기존 테이블을 가리키도록 설정한 뒤 즉시 SQL 방언, 분석 함수, 효율적인 네이티브 Parquet 리더를 활용할 수 있습니다. 동시에 [clickhouse-local](/ko/concepts/features/tools-and-utilities/clickhouse-local) 및 [chDB](/ko/chdb/index)와 같은 도구를 사용하면 원격 스토리지의 70개 이상의 파일 포맷에 걸쳐 탐색적이고 애드혹 분석을 수행할 수 있으므로, 별도의 인프라 설정 없이 데이터 레이크 데이터셋을 대화형으로 탐색할 수 있습니다.

이 작업은 [테이블 함수와 테이블 엔진](/ko/guides/use-cases/data-warehousing/getting-started/querying-directly)을 사용하는 직접 읽기 방식이나 [데이터 카탈로그에 연결](/ko/guides/use-cases/data-warehousing/getting-started/connecting-catalogs)하는 방식으로 수행할 수 있습니다.

<h3 id="add-compute-to-selected-queries">
  선택한 쿼리에 컴퓨트 추가
</h3>

현재 비공개 프리뷰로 제공되는 On-Demand Compute를 사용하면 서비스 크기를 조정하지 않고도 기존 서비스와 엔드포인트를 통해 추가 ClickHouse 워커에서 지원되는 Apache Iceberg 및 Delta Lake 데이터에 대한 조건 충족 `SELECT` 쿼리를 실행할 수 있습니다. 가용성은 최선 노력(best effort) 기반이며 성능은 상황에 따라 달라지고, ClickHouse Cloud SLO 및 SLA는 적용되지 않습니다. 사용 조건과 제한 사항은 [On-Demand Compute 문서](/ko/products/cloud/features/infrastructure/on-demand-compute)를 참조하십시오.

<h3 id="real-time-with-clickhouse">
  ClickHouse를 사용한 실시간 분석 워크로드
</h3>

높은 동시성(Concurrency)과 짧은 지연 시간의 응답이 필요한 워크로드에서는 오픈 테이블 포맷의 데이터를 ClickHouse의 [MergeTree](/ko/reference/engines/table-engines/mergetree-family/mergetree) 엔진으로 로드할 수 있습니다. 이를 통해 데이터 레이크에서 비롯된 데이터 위에 실시간 분석 계층을 구축할 수 있으며, 대시보드, 운영 보고, 그리고 MergeTree의 열 지향 저장 방식과 인덱싱 기능의 이점을 활용하는 기타 지연 시간 민감형 워크로드를 지원합니다.

자세한 내용은 [MergeTree로 분석 가속화하기](/ko/guides/use-cases/data-warehousing/getting-started/accelerating-analytics) 시작하기 가이드를 참조하십시오.

<h2 id="capabilities">
  capability
</h2>

<h3 id="read-data-directly">
  데이터 직접 읽기
</h3>

ClickHouse는 객체 스토리지에 있는 오픈 테이블 포맷을 직접 읽을 수 있는 [테이블 함수](/ko/reference/functions/table-functions/index)와 [엔진](/ko/reference/engines/table-engines/integrations/index)을 제공합니다. [`iceberg()`](/ko/reference/functions/table-functions/iceberg), [`deltaLake()`](/ko/reference/functions/table-functions/deltalake), [`hudi()`](/ko/reference/functions/table-functions/hudi), [`paimon()`](/ko/reference/functions/table-functions/paimon)과 같은 함수는 별도의 사전 구성 없이 SQL 문 내에서 오픈 테이블 포맷 테이블을 쿼리할 수 있게 합니다. 이러한 함수는 S3, Azure Blob Storage, GCS와 같은 널리 사용되는 대부분의 객체 스토리지용 버전도 제공합니다. 또한 이 함수들에 대응하는 테이블 엔진도 있으므로, 기반이 되는 오픈 테이블 포맷 객체 스토리지를 참조하는 테이블을 ClickHouse 내에 생성하여 더 편리하게 쿼리할 수 있습니다.

[직접 쿼리하기](/ko/guides/use-cases/data-warehousing/getting-started/querying-directly) 또는 [데이터 카탈로그에 연결하기](/ko/guides/use-cases/data-warehousing/getting-started/connecting-catalogs)에 대한 시작하기 가이드를 참조하십시오.

<h3 id="expose-catalogs-as-databases">
  카탈로그를 데이터베이스로 노출하기
</h3>

[`DataLakeCatalog`](/ko/reference/engines/database-engines/datalake) 데이터베이스 엔진을 사용하면 ClickHouse를 외부 카탈로그에 연결해 데이터베이스로 노출할 수 있습니다. 카탈로그에 등록된 테이블은 ClickHouse 내부의 테이블로 표시되므로 ClickHouse SQL 구문과 분석 함수를 모두 별도 변경 없이 사용할 수 있습니다. 즉, 카탈로그가 관리하는 테이블에서도 네이티브 ClickHouse 테이블과 마찬가지로 쿼리, 조인, 집계를 수행할 수 있으며, ClickHouse의 쿼리 최적화, 병렬 실행, 읽기 기능의 이점을 활용할 수 있습니다.

지원되는 카탈로그는 다음과 같습니다:

| 카탈로그 | Guide |
| - | - |
| AWS Glue | [Glue 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/glue-catalog) |
| BigLake Metastore | [BigLake 메타스토어 가이드](/ko/guides/use-cases/data-warehousing/biglake-catalog) |
| Databricks Unity Catalog | [Unity 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/unity-catalog) |
| Iceberg REST Catalog | [REST 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/rest-catalog) |
| Lakekeeper | [Lakekeeper 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/lakekeeper-catalog) |
| Project Nessie | [Nessie 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/nessie-catalog) |
| Microsoft OneLake | [OneLake 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/onelake-catalog) |
| SeaweedFS | [SeaweedFS 카탈로그 가이드](/ko/guides/use-cases/data-warehousing/seaweedfs-catalog) |

카탈로그 연결 방법은 [카탈로그 연결하기](/ko/guides/use-cases/data-warehousing/getting-started/connecting-catalogs) 시작하기 가이드를 참조하십시오.

<h3 id="write-back-to-lakehouse-formats">
  오픈 테이블 포맷에 다시 쓰기
</h3>

ClickHouse는 데이터를 오픈 테이블 포맷에 다시 쓰는 기능을 지원하며, 이는 다음과 같은 시나리오와 관련이 있습니다.

* **실시간 분석에서 장기 스토리지로** - 데이터가 실시간 분석 계층으로서 ClickHouse를 거치며, 결과를 Iceberg 또는 다른 포맷으로 오프로드해 내구성이 높고 비용 효율적인 장기 스토리지에 저장해야 하는 경우입니다.
* **역방향 ETL** - ClickHouse 내에서 materialized view 또는 예약 쿼리를 사용해 변환을 수행한 뒤, 그 결과를 데이터 생태계의 다른 도구에서 활용할 수 있도록 오픈 테이블 포맷에 저장하려는 경우입니다.

자세한 내용은 [데이터 레이크에 쓰기](/ko/guides/use-cases/data-warehousing/getting-started/writing-data) 시작하기 가이드를 참조하세요.

<h3 id="best-practices">
  모범 사례
</h3>

운영 환경의 워크로드에서는 테이블 함수, 테이블 엔진 또는 카탈로그 연결 선택, 성능 설정 조정, 데이터 레이크 쿼리 디버깅에 대한 지침은 [데이터 레이크 모범 사례](/ko/guides/use-cases/data-warehousing/getting-started/best-practices)를 참조하십시오.

<h2 id="next-steps">
  다음 단계
</h2>

직접 사용해 볼 준비가 되셨습니까? [시작하기 가이드](/ko/guides/use-cases/data-warehousing/getting-started/overview)에서는 오픈 테이블 포맷을 직접 쿼리하고, 카탈로그(catalog)에 연결하며, 빠른 분석을 위해 MergeTree에 데이터를 로드하고, 결과를 다시 기록하는 전 과정을 하나의 엔드 투 엔드 워크플로로 안내합니다.