Banco de Dados, suas funcionalidades e seu histórico

Sammuel A, Giovanna B, Athos, Hiramatsu, Matheus Campos e Matheus Pizani

Departamento de Ciência da Computação, Centro Universitário de Brasília

Índice:

1. Resumo

2. Palavras-chave

3. Abstract

4. Key-Words

5. Introdução

6. Classificações do banco de dados

7. Níveis de informações de um banco de dados

8. Relevância dos bancos de dados na ciência da Computação e Ciência de dados

9. Implementação e ferramentas para execução e uso do banco de dados

10. Origem do banco de dados e DBMS

11. Tipos de banco de dados

11.1.Banco de dados NoSQL
11.2.Armazenamento em memória
11.3.Banco de dados orientados a gráficos
11.4.Banco de dados baseados em blockchain
11.5.Banco de dados quânticos
11.6.Inteligência artificial e aprendizado de máquina

12. Papel de DBMS dentro da arquitetura computacional

12.1.Armazenamento de dados
12.2.Gerenciamento de acesso a dados
12.3.Organização e estrutura de dados
12.4.Linguagem de consulta
12.5.Recuperação e backup de dados
12.6.Gerenciamento de transações
12.7.Otimização de consultas

13. O futuro dos dados, computação em nuvem e big data

13.1.Computação em nuvem e seu papel no futuro dos dados
13.2.Big data: Desafios e oportunidades
13.3.Privacidade e segurança dos dados
13.4.Ética e responsabilidade dos dados

14. Conclusão

15. Referências

Resumo: O artigo "Banco de Dados, suas funcionalidades e seu histórico" oferece um exame em detalhes dos
desenvolvimentos e tendências mais significativas da tecnologia de banco de dados. O objetivo do estudo é
oferecer uma análise aprofundada de vários modelos, arquiteturas e procedimentos de bancos de dados
desenvolvidos recentemente, destacando suas vantagens, desvantagens e usos prospectivos.

Para identificar e avaliar os principais avanços no campo dos bancos de dados, os autores realizaram uma
extensa revisão da literatura científica, que incluiu publicações de pesquisa, documentos de conferências e
relatórios do setor. Bancos de dados relacionais, bancos de dados NoSQL, bancos de dados NewSQL, bancos de
dados gráficos e bancos de dados distribuídos são apenas alguns dos muitos tópicos abordados no exame.

O documento também explora os avanços mais recentes em arquiteturas de banco de dados, como bancos de
dados em nuvem, bancos de dados na memória e bancos de dados colunares. Ele se concentra em como eles
afetam o armazenamento de dados, a velocidade de processamento e a acessibilidade, e apresenta casos de uso
reais em que esses avanços arquitetônicos se mostraram eficientes em termos de custo e desempenho.

Palavras-chave: Banco de Dados; Origem do banco de dados; Tipos de Banco de dados; DBMS (Database
Management System); SQL (Structured Query Language); Computação em nuvem; Big Data

Abstract: The article "Database - Computer Science, Data Science, Machine Learning and its tools" provides a
detailed examination of the most significant developments and trends in database technology. The aim of the
study is to offer an in-depth analysis of various recently developed database models, architectures, and
procedures, highlighting their advantages, disadvantages, and prospective uses.

To identify and evaluate key advancements in the field of databases, the authors conducted an extensive review
of scientific literature, including research papers, conference proceedings, and industry reports. Relational
databases, NoSQL databases, NewSQL databases, graph databases, and distributed databases are just a few of
the many topics covered in the examination.

The paper also explores the latest advancements in database architectures, such as cloud databases, in-memory
databases, and columnar databases. It focuses on how they impact data storage, processing speed, and
accessibility, and presents real-world use cases where these architectural advancements have proven to be cost-
effective and high-performing.

Key Words: Database; Origin of Databases; Types of Databases; DBMS (Database Management System);
SQL (Structured Query Language); Cloud Computing; Big Data.

 Introdução:
O Banco de Dados pode ser definido como um conjunto de dados estruturados para ser utilizado de
forma eficiente por uma aplicação.
Dentro de um arquivo convencional, encontramos uma diversidade de registros lineares que não
possuem informações entre si, ainda sendo esse arquivo indexado, sequencial ou indexado-sequencial, e o
acesso às informações se dá de forma individual, por meio da chave do registro.
Um conjunto estruturado de dados mostra ao usuário a existência de informações
de relação entre os próprios dados, determinando o grau de importância desses dados. Conclui-se, dessa
maneira, que um banco de dados não deve conter apenas dados
essenciais ao usuário do sistema, mas também deverá possuir dados secundários ou de relação entre os dados
básicos ou principais existentes no banco de dados.

Classificações do banco de dados

• dados principais
• dados de estrutura
• dados de índice
• dados de controle
• dicionário de dados

Níveis de informação
Segundo Valdemar W. Setzer, a partir de uma abstração do mundo real serão criados quatro modelos de
informações em um banco de dados: Modelo Descritivo, Modelo Conceitual, Modelo Operacional e Modelo
Interno. Assim sendo, teremos a seguinte estrutura:

mundo real
Seres, objetos, organismos, Organização, alterações
fatos

Informações informais Modelo Descrições das estruturas e das transações

descritivo
Informações formais Modelo conceitual Estruturas de informações

Dados Modelo operacional Estruturas externas de dados; especificações e programas de

manipulação
Cadeia de bits e bytes Modelo interno Estrutura interna de arquivos e tabelas; programas interpretáveis e/ou
executáveis

Referências: Introdução a Ciências da Computação - Ricardo Daniel Fedeli Peres

Banco de Dados - Ciência da computação, Ciência de dados, Aprendizado de Máquina e suas ferramentas

Partindo da definição apresentada na primeira página deste artigo, essa seção descreve os usos,
aplicações, ferramentas e avanços relacionados a implementação de bancos de dados na área da tecnologia,
destacando as principais ferramentas usadas para a implementação desse recurso.

Relevância dos bancos de dados (Ciência da Computação e Ciência de Dados)

Os bancos de dados oferecem um meio sistemático e eficaz de armazenar e recuperar dados, o que os
torna uma parte fundamental da ciência da computação e do desenvolvimento de software. Ramakrishnan e
Gehrke (2003) afirma que "os bancos de dados são uma tecnologia essencial para o gerenciamento de coleções
de dados em larga escala, e seu uso é onipresente em praticamente todas as áreas da ciência da computação".
Desde o gerenciamento de dados de clientes em sistemas de comércio eletrônico até a manutenção de
informações médicas em aplicações de saúde, os bancos de dados são utilizados em um amplo campo de
aplicações. Eles oferecem um conjunto central de dados que muitos usuários e programas podem acessar de
uma só vez, facilitando a troca e a colaboração eficazes de dados. Além disso, os bancos de dados oferecem
recursos avançados para análise e consulta de dados, permitindo que os desenvolvedores e analistas aprendam
mais e baseiam suas escolhas nos dados armazenados no repositório.
Os bancos de dados servem como base para a criação de aplicativos de software sofisticados e potentes,
o que os torna uma ferramenta essencial para cientistas da computação e desenvolvedores de software.
Além disso sua importância não se limita apenas a ambientes de desenvolvimento, bancos de dados são a
base para outros galhos da árvore da tecnologia como Inteligência Artificial, Ciência de Dados e Big Data. Isso
porque, todos dependem de um constante fluxo de informações e dados que serão implementados em análises e
treinamentos de modelos autônomos, para serem implementados de forma eficiente, "Os bancos de dados são
um componente essencial da ciência de dados", escreve Peng et al. (2016), "pois fornecem um local central para
armazenar e acessar dados e permitem que os dados sejam facilmente manipulados e analisados".
Em aplicativos de ciência de dados, como data warehousing, business intelligence e data mining, em que
grandes conjuntos de dados são processados para identificar padrões e tendências, os bancos de dados são
frequentemente empregados.
Os bancos de dados fornecem a infraestrutura necessária para o armazenamento, o processamento e a
recuperação eficazes dos dados, dado o aumento do volume e da complexidade dos dados. Além disso, os
bancos de dados facilitam a colaboração e o compartilhamento de dados entre os acadêmicos, permitindo o
desenvolvimento de grandes conjuntos de dados e modelos analíticos robustos.
Concluindo, os bancos de dados são um componente essencial da ciência e da análise de dados, servindo
de base para o gerenciamento e o exame de grandes amontoados de dados.

Implementação e ferramentas para execução e uso de banco de dados

O processo de instalar o software do banco de dados, configurá-lo e personalizá-lo, operar e testar o banco
de dados e, por fim, adicioná-lo aos aplicativos é conhecido como implementação do banco de dados. A etapa
final da fase de implementação é o treinamento do usuário.

 Quando tratamos de implementação de banco de dados há uma grande variedade de métodos e

ferramentas para essa tarefa. Porém é necessário enfatizar a existência dos principais tipos de banco de dados
sendo eles: relacionais e não relacionais, a distinção entre bancos de dados relacionais e não relacionais pode ser
resumida da seguinte forma: Os bancos de dados não relacionais usam um modelo de armazenamento (um dos
quatro) que é mais adequado para o tipo de dados que está sendo armazenado, enquanto os bancos de dados
relacionais armazenam dados em linhas e colunas, como uma planilha.
Para organizar e armazenar dados, os bancos de dados relacionais, como o MySQL e o Oracle, usam uma
estrutura semelhante a uma tabela com conexões entre as tabelas. Os bancos de dados não relacionais, como o
MongoDB e o Cassandra, armazenam informações usando uma estrutura de documento ou de valor-chave, pois
são mais versáteis e podem lidar melhor com dados não estruturados.
Os desenvolvedores podem se comunicar com bancos de dados usando ferramentas como MongoDB
Compass, MySQL Workbench e outros (IDEs), além de linguagens de programação como SQL. A linguagem de
programação conhecida como SQL, ou Structured Query Language (Linguagem de Consulta Estruturada), é
frequentemente usada para consultar e manipular dados em bancos de dados relacionais. O popular banco de
dados não relacional MongoDB oferece suas próprias ferramentas e IDEs, bem como sua própria linguagem de
consulta. Em suma, com base no que é exigido de seus aplicativos, os desenvolvedores podem implementar e
interagir com os bancos de dados usando uma variedade de métodos, tipos e ferramentas.

Origem dos bancos de dados e DBMS

Os bancos de dados foram criados com o intuito de armazenar e organizar, grandes quantidades de
informações de forma eficiente e organizada.
• Década de 1960: Esta década viu o desenvolvimento dos primeiros modelos de banco de dados.
O modelo hierárquico foi introduzido pela IBM, seguido pelo modelo de rede. Esses modelos
foram baseados em estruturas hierárquicas e interconectadas para organizar e recuperar
informações.
• Década de 1970: Nessa época, o modelo relacional foi introduzido por Edgar Codd, um cientista
da IBM. O modelo relacional é baseado no conceito de tabelas relacionadas a chaves primárias e
estrangeiras e oferece uma abordagem mais flexível e eficiente para armazenamento e
recuperação de dados. Essa inovação marcou um avanço significativo no campo dos bancos de
dados.
• Década de 1980: A década de 1980 viu o surgimento de sistemas comerciais de gerenciamento de
banco de dados (DBMS). Empresas como Oracle, IBM e Microsoft começaram a desenvolver e
comercializar sistemas DBMS baseados no modelo relacional. Esta década também viu a
padronização do SQL (Structured Query Language), que permite aos usuários consultar e
processar dados de maneira padronizada.
• Década de 1990: Foi quando nasceram os sistemas DBMS baseados em objetos, permitindo que
objetos complexos fossem armazenados diretamente no banco de dados. Além disso, foram
desenvolvidos sistemas DBMS distribuídos que permitiram que os dados fossem armazenados e
processados em vários computadores em rede.
• A partir do século 21: Com o desenvolvimento da Internet e o crescimento exponencial dos
dados, os bancos de dados evoluíram para atender às demandas de escalabilidade e eficiência.

​​

 Surgiram os DBMSs NoSQL (não apenas SQL), projetados para armazenar grandes quantidades
de dados não estruturados ou semiestruturados, como documentos, gráficos e dados em tempo
real. Além disso, o advento da tecnologia de nuvem possibilitou o surgimento de serviços de
banco de dados como serviço (DBaaS), que fornecem infraestrutura e gerenciamento de banco de
dados como serviço. Hoje, os bancos de dados continuam a evoluir com ênfase em
escalabilidade, eficiência, segurança e análise de dados em tempo real. Também existem
tendências emergentes, como bancos de dados baseados em blockchain e bancos de dados
quânticos, que prometem avançar ainda mais no campo do gerenciamento de informações.

Tipos de banco de dados

• Bancos de dados NoSQL
Os bancos de dados NoSQL (não apenas SQL) ganharam popularidade devido à sua capacidade de lidar
com grandes quantidades de dados não estruturados ou semi-estruturados. Esses bancos de dados fornecem
modelos de dados flexíveis, como valores-chave, documentos, colunas largas e gráficos que permitem
armazenamento e recuperação eficientes de vários dados. Exemplos populares de bancos de dados NoSQL são
MongoDB, Cassandra e Redis.
• Armazenamento em memória
Com o rápido desenvolvimento da tecnologia de memória e a queda nos preços, o armazenamento em
memória tornou-se mais acessível. Bancos de dados na memória, como SAP HANA e Redis, usam memória de
alta velocidade para acelerar operações de leitura e gravação e oferecer desempenho excepcional em tempo
real. Processamento Distribuído: Com o aumento do volume de dados e o processamento de grandes volumes
de dados, o processamento distribuído tornou-se necessário. Estruturas como Apache Hadoop e Apache Spark
permitem processamento e análise de dados em escala, distribuindo o processamento entre grupos de
computadores.
• Bancos de dados orientados a gráficos
Os bancos de dados orientados a gráficos são projetados para armazenar e consultar relacionamentos
complexos entre entidades. Eles são úteis em áreas como redes sociais, análise de rede e recomendações.
Exemplos populares são Neo4j e Amazon Neptune. Bancos de dados em nuvem: com o surgimento da
tecnologia em nuvem, os bancos de dados também foram movidos para a nuvem. Fornecimento de serviços de
banco de dados como um serviço (DBaaS).
• Bancos de dados baseados em blockchain
A tecnologia Blockchain, popularizada pelo Bitcoin, também encontrou aplicação no campo de bancos
de dados. Os bancos de dados baseados em blockchain são distribuídos e distribuídos usando livros-razão
imutáveis e rastreáveis. Eles fornecem maior segurança e transparência para transações e processos que
envolvem confiança e integridade de dados.
• Bancos de dados quânticos
Embora os bancos de dados quânticos ainda estejam nos estágios iniciais de pesquisa e
desenvolvimento, eles têm grande potencial para revolucionar o campo do gerenciamento de informações.
​​

 Esses bancos de dados usam princípios de mecânica quântica, como superposição e emaranhamento,
para fornecer recursos de processamento massivamente paralelos e consultas mais rápidas para grandes volumes
de dados.
• Inteligência Artificial e Aprendizado de Máquina
A integração de funções de inteligência artificial e aprendizado de máquina em bancos de dados tem
sido uma tendência crescente. Os bancos de dados são equipados com análise e processamento de dados
avançados, como algoritmos de aprendizado de máquina integrados para percepção e tomada de decisão
automática.

Papel de DBMS dentro da arquitetura computacional

Um sistema de gerenciamento de banco de dados (DBMS) desempenha um papel importante na
arquitetura do computador, especialmente em termos de armazenamento, organização e recuperação de dados
em sistemas de computador.
• Armazenamento de dados: Um DBMS gerencia o armazenamento físico de dados em dispositivos
de armazenamento, como discos rígidos e unidades de estado sólido. Ele decide onde e como os
dados são armazenados para garantir eficiência e acesso rápido.
• Gerenciamento de acesso a dados: Um DBMS controla o acesso aos dados por vários usuários e
aplicativos. Garanta a integridade dos dados aplicando regras de segurança e controle de acesso
para garantir que apenas usuários autorizados possam ler, gravar ou modificar dados.
• Organização e estrutura de dados: Um DBMS define a estrutura lógica dos dados armazenados,
incluindo definições de tabelas, relacionamentos, chaves primárias, chaves estrangeiras e outros
elementos. Ele fornece uma visão estruturada dos dados, permitindo consultas e manipulações
eficientes.
• Linguagem de consulta: Um DBMS fornece uma linguagem de consulta, como a Linguagem de
Consulta Estruturada (SQL), que permite aos usuários realizar consultas complexas nos dados
armazenados. Uma linguagem de consulta permite que os usuários expressem suas necessidades de
informação de maneira fácil e eficiente.
• Recuperação e backup de dados: Um DBMS é responsável por garantir a recuperação dos dados
em caso de falha, como falha de hardware ou falha do sistema. Ele também suporta a
implementação de backups de dados regulares para evitar perdas irrecuperáveis.
• Gerenciamento de transações: Um DBMS garante a consistência e integridade dos dados durante
as transações. Ele suporta operações transacionais ACID (Atomicidade, Consistência, Isolamento,
Durabilidade) e garante que as transações sejam executadas com sucesso e que o banco de dados
permaneça em um estado consistente.
• Otimização de consultas: O DBMS realiza otimizações nas consultas enviadas pelo usuário para
melhorar o desempenho e a eficiência. Analise sua consulta e determine a melhor forma de executá-
la com base nos índices disponíveis, estruturas de dados e outros fatores relevantes.
O futuro dos dados, computação em nuvem e big data
À medida que o mundo em que vivemos se torna cada vez mais conectado, a quantidade de dados
gerados e armazenados aumenta exponencialmente. Com o avanço da tecnologia , surgiram novas formas de
coletar, processar e analisar dados, permitindo insights valiosos e tomadas de decisão mais informadas. Esta

 parte do artigo examina o futuro dos dados e seu impacto na sociedade, abordando tópicos como computação
em nuvem e big data.
• Computação em nuvem e seu papel no futuro dos dados
A computação em nuvem tornou-se uma peça fundamental no ambiente de dados. Permite-nos
armazenar, processar e acessar grandes quantidades de informação de forma eficiente e escalável. Empresas e
organizações estão migrando seus sistemas para a nuvem para aproveitar benefícios como flexibilidade, redução
de custos e maior capacidade de processamento. Além disso, a computação em nuvem viabiliza o
compartilhamento e colaboração de dados em tempo real, estimulando a inovação e o desenvolvimento de
novas soluções.
• Big data: Desafios e Oportunidades
O conceito de big data refere-se à enorme quantidade de informações geradas diariamente, provenientes
de diversas fontes, como redes sociais, dispositivos IoT (Internet of Things) e transações financeiras. Processar
e analisar esses dados tem se mostrado um desafio, mas também uma grande oportunidade para empresas e
pesquisadores. Com técnicas avançadas de análise de dados, como aprendizado de máquina e inteligência
artificial, é possível extrair insights valiosos e identificar padrões que antes eram imperceptíveis. O big data está
revolucionando setores como saúde, finanças, marketing e transporte, tornando-se uma ferramenta
indispensável para a tomada de decisões estratégicas.
O futuro dos dados promete transformar a maneira como vivemos, trabalhamos e interagimos com o
mundo ao nosso redor. A computação em nuvem e o big data são peças-chave nessa transformação, permitindo
a coleta, processamento e análise eficientes de grandes volumes de informações. Ao aplicar essas tecnologias
corretamente e colaborar entre diferentes setores, seremos capazes de tomar decisões mais informadas,
impulsionar a inovação e enfrentar os desafios complexos da sociedade moderna.
• Privacidade e Segurança dos dados
À medida que a quantidade de dados aumenta, a privacidade e a segurança da informação tornam-se
cada vez mais importantes. Com grandes volumes de dados sendo armazenados e acessados, é essencial garantir
que as informações pessoais e confidenciais sejam protegidas contra ameaças e acessos não autorizados.
Governos e regulamentos foram implementados para garantir a proteção dos dados do usuário, como o
Regulamento Geral de Proteção de Dados (GDPR) da União Europeia. Além disso, medidas de segurança,
como criptografia e autenticação de acesso, são implementadas para proteger os dados em trânsito e em
repouso.
• Ética e Responsabilidade dos dados
Para o futuro dos dados, também é importante considerar a ética e a responsabilidade no uso dessas
informações. Questões como viés algorítmico, discriminação e invasão de privacidade devem ser
cuidadosamente abordadas. É necessário estabelecer diretrizes e regulamentos que garantam a transparência e a
responsabilidade das organizações no uso e na análise de dados. Além disso, é importante educar os usuários
sobre seus direitos e a importância de uma abordagem ética no uso dos dados.
O futuro dos dados traz consigo grandes desafios e oportunidades. À medida que avançamos para uma
era cada vez mais conectada, a computação em nuvem e o big data desempenharão um papel crucial na coleta,
processamento e análise de informações. No entanto, é importante considerar a privacidade, a segurança, a ética
e a responsabilidade no uso desses dados. A sociedade como um todo deve trabalhar em conjunto para
estabelecer diretrizes, regulamentações e práticas que garantam o benefício e o bem-estar de todos,
aproveitando ao máximo o potencial transformador dos dados.

Conclusão:
Com base nos conhecimentos retratados durante todo o artigo, o banco de dados é um sistema de suma
importância no software de uma máquina, pois ele é projetado para armazenar, gerenciar e recuperar, dados de
uma forma eficiente e segura, por esse motivo, a presença de banco de dados em grandes empresas, instituições
governamentais e acadêmicas, dentre várias outras instituições é bastante notável. Existem diferentes tipos de
banco de dados, como o NoSQL, os baseados em blockchain, os banco de dados quânticos, dentre outros, estes
diferentes tipos são importantes pois a escolha de cada banco de dados vai ser dependente dos requisitos
específicos da natureza dos dados.
Além disso durante o artigo também é retratado sobre o DBMS, um software responsável pelo controle e
pelo gerenciamento de banco de dados, o DBMS é bastante importante para a arquitetura computacional, pois é
nele que ocorre o armazenamento, o gerenciamento, a organização, a recuperação, se necessária, e o backup de
dados, além de diversas outras funções relacionadas ao DBMS.
Com o passar do tempo, os dados foram cada vez mais sendo gerados, por isso, a computação foi
obrigada a inventar métodos para armazenar essa grande quantidade de dados. Um exemplo disso é o
salvamento de dados em nuvem, que, nos dias de hoje é inevitável a utilização desse sistema em grandes
empresas e organizações, pois nele, além do compartilhamento e da colaboração de dados em tempo real, a
flexibilidade, a redução de custos e a maior capacidade de processamento são vantagens do sistema de nuvem.
Ademais, o conceito de big data está revolucionando setores como saúde, finanças, marketing e transporte,
dentre outros, pois são setores que utilizam grande volume de dados, que são difícieis de serem computados,
analisados e armazenados. Por estes motivos, o futuro dos dados é algo que traz grandes dificuldades, pois a
grande quantidade de dados gerados só cresce, cada dia mais de forma exponencial.

Referências:
1. Ramakrishnan, R., e Gehrke, J. McGraw-Hill, Database Management Systems.
2. Peng, R. D., Matsui, E., & Leek, J. T. (2016). A framework for collaborative data science. Nature.
3. Null, Linda , e Lobur, Julia.(2003). The Essentials of Computer Organization and Architecture.
4. Viktor Mayer-Schönberger - "Delete: The Virtue of Forgetting in the Digital Age"
5. Viktor Mayer-Schönberger - "Big Data: A Revolution That Will Transform How We Live, Work, and Think"
6. Cathy O'Neil - "Weapons of Math Destruction: How Big Data Increases Inequality and Threatens
Democracy"
7. Danah Boyd - "It's Complicated: The Social Lives of Networked Teens"
8. Kate Crawford - "Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence"

AUTORES
– Sammuel Augusto, ciência da computação, primeiro semestre 2023

– Giovanna Barbosa, ciência da computação, primeiro semestre 2023

– Eduardo Hiramatsu, ciência da computação, primeiro semestre 2023
– Matheus Pizani, ciência da computação, primeiro semestre 2023
– Matheus Campos, ciência da computação, primeiro semestre 2023
–Athos Lira, ciência da computação, primeiro semestre 2023