> ## Documentation Index
> Fetch the complete documentation index at: https://strattumai.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Ingestão de dados e hospedagem

> Quanto custa hospedar, quantas linhas já rodaram em teste e qual o tempo de refresh de cada conector.

Esta página responde três perguntas que aparecem sempre que um cliente avalia a plataforma: quanto custa hospedar os dados, até onde já testamos a ingestão e com que frequência os dados atualizam.

***

## Quanto custa hospedar

A conta tem três componentes, e só um deles escala com volume de forma relevante.

### 1. Data Lake (S3) — escala com volume, custa centavos

O lake é armazenamento de objetos e é praticamente ilimitado. Medimos \~56 bytes por linha em Parquet comprimido:

| Volume               | Tamanho no S3 | Custo estimado/mês |
| -------------------- | ------------- | ------------------ |
| 10 milhões de linhas | \~5,6 GB      | \~US\$ 0,13        |
| 10 bilhões de linhas | \~560 GB      | \~US\$ 13          |

### 2. Catálogo (DuckLake) — custo adicional zero

O catálogo DuckLake são \~30 tabelas de metadado que ficam dentro do Postgres que a plataforma já roda. Não adiciona custo.

### 3. VM da plataforma — custo fixo

Tudo menos o grafo cabe em uma VM: ingestão, dbt, APIs, scheduler, Postgres e índice de busca. A referência é uma `t4g.xlarge` (4 vCPU / 16 GB) em `us-east-1`:

| Recurso         | Custo/mês |
| --------------- | --------- |
| VM `t4g.xlarge` | \~US\$ 98 |
| EBS 100 GB      | \~US\$ 8  |

### 4. RAM do grafo — a parte cara

O grafo mora em memória, e RAM é a parte cara de um servidor. O consumo é `elementos × bytes/elemento`, onde um elemento é 1 nó ou 1 aresta. Medimos:

* Nós enxutos: \~126 bytes por elemento
* Nós ricos (bastante informação por entidade): \~510 bytes por elemento

Um grafo de 150M de elementos ricos ocupa \~76 GB. Com o buffer de 40% para queries, a instância de referência é uma `r8g.4xlarge`, a \~US\$ 688/mês.

<Note>
  Esses valores são estimativas de preço público AWS `us-east-1`. O cliente paga a infraestrutura diretamente à cloud dele — a Strattum cobra apenas a licença da plataforma. Veja [BYOC](/faq/byoc) para o modelo de deploy.
</Note>

***

## Quantas linhas já rodaram em teste

Rodamos **3.000.500 linhas ponta a ponta**, puxando de dois bancos ao mesmo tempo. O teto que encontramos foi o do laptop de teste, não o da plataforma: tudo rodou num MacBook de 8 GB de RAM.

O número que importa não é o tempo de execução, é o pico de memória. Mover 3 milhões de linhas de dois bancos e modelá-las consumiu **382 MB de pico**, menos de 5% de uma máquina de 8 GB.

***

## Qual o tempo de refresh

A frequência é escolha do cliente, definida por conector, na própria tela de configuração. Cada conector tem a sua.

Opções disponíveis:

| Frequência       | Uso típico                                    |
| ---------------- | --------------------------------------------- |
| 15 minutos       | Fontes que mudam o tempo todo (tickets, chat) |
| Horário          | CRM, pipeline comercial                       |
| 6 horas          | ERP, cadastros                                |
| Diário           | Bases de referência que mudam pouco           |
| Semanal          | Dados históricos                              |
| Cron customizado | Qualquer janela específica                    |

Você ajusta isso em **Data Pipelines**, no card de cada conector. Trocar a frequência não exige reprocessar o histórico.

***

## Próximos passos

<CardGroup cols={2}>
  <Card title="BYOC — Bring Your Own Cloud" icon="server" href="/faq/byoc">
    Como a plataforma roda na cloud do próprio cliente e o que o time da Strattum acessa.
  </Card>

  <Card title="Data Catalog" icon="folder-open" href="/data-catalog/overview">
    Onde os dados ingeridos ficam armazenados e como são organizados em camadas.
  </Card>
</CardGroup>