With the continuous growth in the big data industry, the need to ingest, persist, and process high volumes and velocities of data also grows. Amongst some of the data types arising in the big data industry, there is one kind of data usually referred to as streaming data, which is characterized by being generated continuously, and possibly infinitely, by several (sometimes in the order of thousands) sources. Traditional big data platforms have been found to being incapable of handling such volumes and velocities of data. To face this scenario efficiently, many platforms, usually referred to as streaming engines, have emerged in recent years. Well-known production-ready platforms include systems such as Apache Kafka and Amazon Kinesis, amongst others. This work focuses on ChronoLog, a state-of-the-art time based streaming platform. ChronoLog is adistributed, shared, and multi-tiered log store that has been designed to handle more than a million tail operations per second [1]. It has been engineered by the Scalable Computing Software Laboratory at the Illinois Institute of Technology. One of the issues faced by this kind of platforms is that they usually offer a low-level API specific to the individual platform. This APIs provide, in most cases, low-level operational semantics that can be powerful in the hands of an experienced user. Despite that, they induce a steeper learning curve for the new users of these systems, and require some initial adaptation when moving from one system to another, as APIs diverge among systems. Yet, the Big Data industry has a standard query language, SQL, that has been used to fetch and manage data for many years. An extensive amount of users have expertise on this language, making it an easy and shareable entry point for all of these platforms. As such, the ability to query these systems with SQL has been explored extensively for pure data streaming platforms (amongst other systems) as this opens the door for new users to use the platforms. In this work, we aim to explore the feasibility and requirements of implementing a SQL querying layer on top of time-enabled log storage systems, such as ChronoLog. We shall base our design on a thorough exploration of the current state-of-the-art solutions in the industry. And present ChronoSQL, a SQL interpreter designed for the ChronoLog platform, and any other time-enabled log storage that may arrive in the future. Additionally, we summarize the development made of a ChronoLog mock that, as its development had not been completed at the time we started developing ChronoSQL, was needed to test the SQL implementation and to evaluate the performance overhead it would induce in such a system.--RESUMEN--Con el continuo crecimiento de la industria del big data, también crece la necesidad de ingerir, persistir y procesar grandes volúmenes y velocidades de datos. Entre algunos de los tipos de datos que surgen en el sector del big data, hay un tipo de datos que suele denominarse streaming data, que se caracteriza por ser generados de forma continua, y posiblemente infinita, por varias fuentes (a veces del orden de miles). Las plataformas tradicionales de big data se han mostrado incapaces de manejar tales volúmenes y velocidades de datos. Para hacer frente a este escenario de forma eficiente, en los últimos años han surgido muchas plataformas, normalmente denominadas motores de streaming. Entre las plataformas más conocidas y preparadas para la producción se encuentran sistemas como Apache Kafka y Amazon Kinesis, entre otros. Este trabajo se centra en ChronoLog, una plataforma de streaming state-of-the-art basada en el tiempo de los eventos. ChronoLog es un log store distribuido, compartido y de varios niveles que ha sido diseñado para manejar más de un millón de operaciones de cola por segundo. Ha sido diseñado por el Scalable Computing Software Laboratory del Illinois Institute of Technology. Uno de los problemas a los que se enfrentan este tipo de plataformas es que suelen ofrecer una API de bajo nivel específica para cada plataforma. Estas API proporcionan, en la mayoría de los casos, una semántica operativa de bajo nivel que puede ser muy potente en manos de un usuario experimentado. A pesar de ello, inducen una curva de aprendizaje más pronunciada para los nuevos usuarios de estos sistemas, y requieren una cierta adaptación inicial al pasar de un sistema a otro, ya que las API divergen entre los sistemas. Sin embargo, el sector del big data cuenta con un lenguaje de consulta estándar, SQL, que se ha utilizado para obtener y gestionar datos durante muchos años. Una gran cantidad de usuarios tienen experiencia en este lenguaje, lo que lo convierte en un punto de entrada fácil y compartible para todas estas plataformas. Por ello, la capacidad de consultar estos sistemas con SQL se ha explorado ampliamente para las plataformas de flujo de datos puros (entre otros sistemas), ya que esto abre la puerta a nuevos usuarios para utilizar las plataformas. En este trabajo, pretendemos explorar la viabilidad y los requisitos de la implementación de una capa de consulta SQL sobre los sistemas de log store, como ChronoLog. Basaremos nuestro diseño en una exploración exhaustiva de las actuales soluciones de vanguardia en la industria. Y presentaremos ChronoSQL, un intérprete de SQL diseñado para la plataforma ChronoLog, y cualquier otro almacenamiento de registros habilitado para el tiempo que pueda llegar en el futuro. Además, se resume el desarrollo que se hizo de un mock de ChronoLog, que al no estar aún desarrollado por completo, se necesitó hacer para probar la implementación SQL y evaluar la degradación de rendimiento que supondría a un sistema así.