> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-home-button.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Crea tu primera vista materializada
> Aprende a usar las vistas materializadas en ClickHouse para precalcular y almacenar resultados de consultas con un orden diferente, lo que permite búsquedas rápidas en columnas que no forman parte de tu clave primaria.
Todas las guías de inicio rápido
Analítica en tiempo real
Data warehousing
Observabilidad
AI/ML
Cloud
Oss
## Requisitos previos
To successfully follow this guide, you'll need the following:
* A running ClickHouse Cloud service. If you don't have one yet, complete the [Create your first Cloud service](/get-started/quickstarts/create-your-first-service-on-cloud) quickstart first.
También debes haber completado la guía de inicio rápido [Crea tu primera tabla MergeTree](/es/get-started/quickstarts/create-your-first-mergetree-table), ya que esta guía se basa directamente en la tabla `uk_price_paid` creada en ella.
## Lo que crearás
En la guía de inicio rápido de MergeTree viste que consultar `uk_price_paid` por `town` o `county` requiere un escaneo completo de la tabla porque está ordenada por `(postcode, addr1, addr2)`.
En esta guía de inicio rápido resolverás ese problema creando una **vista materializada** que almacena los mismos datos ordenados por `(town, date)`, lo que permite búsquedas rápidas por localidad sin modificar la tabla original.
Al final, entenderás cómo funcionan las vistas materializadas como desencadenador de inserción, cómo cargar datos históricos ya existentes y la compensación en espacio de disco que implica almacenar los datos dos veces.
### Comprenda por qué necesita una vista materializada
Su tabla `uk_price_paid` está ordenada por `(postcode, addr1, addr2)`. Esto significa que ClickHouse puede omitir grandes bloques de datos cuando filtra por `postcode`, `addr1` o `addr2`, pero las consultas que filtran por `town` deben examinar todas las filas: los 30 millones.
Podría crear una segunda tabla con un `ORDER BY` distinto, pero entonces tendría que acordarse de insertar en ambas tablas cada vez que lleguen datos nuevos. Una **vista materializada** automatiza esto: detecta las inserciones en una tabla de origen, transforma las filas y las escribe automáticamente en una tabla de destino.
Piense en una vista materializada como un **trigger de inserción**: cada vez que se insertan filas en la tabla de origen, la consulta `SELECT` de la MV se ejecuta sobre el nuevo bloque de filas y el resultado se inserta en la tabla de destino.
### Crear la tabla de destino
Una vista materializada necesita algún lugar donde almacenar su resultado. Se trata simplemente de una tabla MergeTree normal; tienes control total sobre su esquema, `ORDER BY` y `PARTITION BY`.
Crea una tabla ordenada por `(town, date)` con solo las columnas que necesitas para las consultas por ciudad:
```sql theme={null}
CREATE TABLE uk_price_paid_by_town
(
town LowCardinality(String),
date Date,
price UInt32,
type Enum8('terraced' = 1, 'semi-detached' = 2, 'detached' = 3, 'flat' = 4, 'other' = 0)
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(date)
ORDER BY (town, date);
```
No hay nada especial en esta tabla: es una tabla MergeTree estándar. La vista materializada que crearás a continuación simplemente enruta los datos hacia ella.
Verifica que la tabla se haya creado:
```sql theme={null}
SHOW CREATE TABLE uk_price_paid_by_town;
```
### Cree la vista materializada
Ahora, cree la vista materializada que conecta la tabla de origen (`uk_price_paid`) con la tabla de destino (`uk_price_paid_by_town`):
```sql theme={null}
CREATE MATERIALIZED VIEW uk_price_paid_by_town_mv
TO uk_price_paid_by_town
AS SELECT
town,
date,
price,
type
FROM uk_price_paid;
```
La cláusula `TO uk_price_paid_by_town` le indica a ClickHouse que escriba el resultado de `SELECT` en la tabla de destino. A partir de ahora, cada vez que se insertan filas en `uk_price_paid`, esta vista materializada se activa e inserta las filas transformadas en `uk_price_paid_by_town`.
Hay una salvedad importante: las vistas materializadas solo se activan con **inserciones**. Si eliminas o actualizas filas en la tabla de origen, la tabla de destino no tiene forma de saberlo; las vistas materializadas no se mantienen sincronizadas con eliminaciones ni actualizaciones. Si necesitas ese tipo de sincronización, considera usar [proyecciones](/es/reference/statements/alter/projection) en su lugar.
### Rellenar los datos históricos existentes
La vista materializada solo procesa inserciones *futuras*. Los 30 millones de filas que ya hay en `uk_price_paid` se insertaron antes de que existiera la MV, por lo que la tabla de destino está vacía en este momento.
Rellénela manualmente:
```sql theme={null}
INSERT INTO uk_price_paid_by_town
SELECT
town,
date,
price,
type
FROM uk_price_paid;
```
Esto inserta directamente en la tabla de destino; la MV no interviene en este paso. Una vez completado el proceso, verifica que el número de filas coincida:
```sql theme={null}
SELECT
'uk_price_paid' AS table,
count() AS rows
FROM uk_price_paid
UNION ALL
SELECT
'uk_price_paid_by_town' AS table,
count() AS rows
FROM uk_price_paid_by_town;
```
Ambas tablas deben tener el mismo número de filas.
### Consultar la tabla de destino de la vista materializada
Ahora ejecuta una consulta con un filtro por `town` en la tabla de destino y compárala con una consulta directa a la tabla de origen.
Primero, consulta la tabla de origen:
```sql theme={null}
SELECT
toYear(date) AS year,
round(avg(price)) AS avg_price,
count() AS sales
FROM uk_price_paid
WHERE town = 'LONDON'
GROUP BY year
ORDER BY year DESC;
```
Comprueba las estadísticas de la consulta: se leen los 30 millones de filas porque `town` no está en el `ORDER BY` de la tabla de origen.
Ahora ejecuta la misma consulta en la tabla de destino de la vista materializada:
```sql theme={null}
SELECT
toYear(date) AS year,
round(avg(price)) AS avg_price,
count() AS sales
FROM uk_price_paid_by_town
WHERE town = 'LONDON'
GROUP BY year
ORDER BY year DESC;
```
Vuelve a comprobar las estadísticas de la consulta: se leen muchas menos filas porque la tabla de destino está ordenada por `(town, date)` y ClickHouse puede omitir todos los datos que no coinciden con `LONDON`.
Ejecuta `SHOW TABLES` para ver qué se ha creado:
```sql theme={null}
SHOW TABLES;
```
Verás tanto `uk_price_paid_by_town` (la tabla de destino) como `uk_price_paid_by_town_mv` (la vista). Como usaste `CREATE MATERIALIZED VIEW ... TO`, puedes controlar el nombre de la tabla de destino. Si omites la cláusula `TO`, ClickHouse crea una tabla de destino con un nombre implícito (`.inner.xxx`), con la que es más difícil trabajar directamente.
Por ello, se recomienda crear vistas materializadas con la cláusula `TO`.
### Observa que los datos se almacenan por duplicado
Las vistas materializadas te ofrecen lecturas más rápidas a costa de ocupar más espacio en disco. Consulta `system.parts` para ver cuánto espacio usa cada tabla:
```sql theme={null}
SELECT
table,
count() AS parts,
sum(rows) AS total_rows,
formatReadableSize(sum(bytes_on_disk)) AS compressed_size
FROM system.parts
WHERE table IN ('uk_price_paid', 'uk_price_paid_by_town')
AND active = true
GROUP BY table;
```
Los datos se almacenan físicamente dos veces: una vez en `uk_price_paid`, ordenados por `(postcode, addr1, addr2)`, y otra en `uk_price_paid_by_town`, ordenados por `(town, date)`. Esta es la compensación fundamental: se utiliza más espacio en disco a cambio de lecturas más rápidas para distintos patrones de acceso.
La tabla de destino puede ocupar menos espacio en disco porque contiene menos columnas y el orden de clasificación `(town, date)` puede comprimirse de forma distinta al original.
## Siguientes pasos
En esta guía de inicio rápido creaste una vista materializada para almacenar datos de ventas de propiedades del Reino Unido con un orden distinto, lo que permite búsquedas rápidas por localidad sin modificar la tabla original. Aprendiste que las vistas materializadas actúan como desencadenadores de inserción, que los datos existentes deben rellenarse manualmente con datos históricos y que, a cambio, se requiere espacio adicional en disco.
A continuación, consulta estas guías de inicio rápido:
* [Crea tu primera proyección](/es/get-started/quickstarts/create-your-first-projection)
O profundiza con la documentación de referencia:
* [Referencia de vista materializada](/es/reference/statements/create/view#materialized-view)
* [Vistas materializadas incrementales](/es/concepts/features/materialized-views/incremental-materialized-view)
* [Proyecciones](/es/reference/statements/alter/projection)
