# Integrando dados

A primeira etapa da criação de um pipeline de dados em um projeto do Qlik Open Lakehouse é a integração dos dados. Esse processo envolve a transferência de dados da fonte e o armazenamento de conjuntos de dados em tabelas do Iceberg otimizadas.

A integração é criada em uma única operação, mas realizada em duas etapas. O tipo de fonte de dados, seja CDC ou de fluxo, determina as tarefas em seu projeto:

### Fontes CDC

* Aterrisando os dados

  Isso envolve a transferência de dados em mini-lotes contínuos da fonte de dados local para uma área de aterrisagem, usando uma tarefa de dados de aterrisagem.

  [Aterrissagem de dados de fontes de dados](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Landing/Landing-data-data-sources.htm)

  Você também pode armazenar dados em um lakehouse, onde eles são armazenados em um armazenamento de arquivos S3.

  [Aterrisando dados para o Qlik Open Lakehouse](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/landing-data.htm)

* Armazenando conjuntos de dados

  Isso envolve a leitura da carga inicial de dados de aterrissagem ou cargas incrementais e a aplicação dos dados em formato otimizado para leitura usando uma tarefa de armazenamento de dados.

  [Armazenando conjuntos de dados](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/storing-data.htm)

### Fontes de streaming

* Aterrisando os dados

  Isso envolve o streaming contínuo de dados da origem para uma área de aterrisagem, usando uma tarefa de streaming de dados de aterrisagem.

  [Aterrisando dados de streaming para o Qlik Open Lakehouse](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/landing-data-streaming.htm)

* Armazenando conjuntos de dados

  Isso envolve a leitura da carga inicial de dados de aterrissagem e a aplicação desses dados em um formato otimizado para leitura, utilizando uma tarefa de transformação de armazenamento.

  [Armazenando conjuntos de dados de streaming](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/storing-data-streaming.htm)

## Usando dados integrados

Depois de integrar os dados, você poderá usar os conjuntos de dados armazenados de várias maneiras, incluindo:

* Você pode usar os conjuntos de dados em um aplicativo de análise.

* Você pode espelhar dados para um ou mais armazéns de dados na nuvem, incluindo o Amazon Redshift e o Snowflake, adicionando uma tarefa de Espelhamento de dados diretamente à tarefa de armazenamento de dados para fontes CDC, ou à tarefa de transformação de streaming para fontes de streaming.

  Para obter mais informações, consulte [Espelhamento de dados em um armazém de dados na nuvem](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/mirroring-data.htm).

* Você pode transformar dados em seu armazém de dados na nuvem criando um pipeline entre projetos que consome dados do seu projeto de integração.