Escolar Documentos
Profissional Documentos
Cultura Documentos
Gestão de Infra de TI - Cap 3 - Introducao A Banco de Dados - RevFinal
Gestão de Infra de TI - Cap 3 - Introducao A Banco de Dados - RevFinal
com
mgsdiniz@gmail.com
Introdução a Banco de Dados Página 2
LISTA DE FIGURAS
LISTA DE QUADROS
LISTA DE TABELAS
SUMÁRIO
3.1 Histórico
Figura 3.1 – Máquina de Figura 3.2 – Arquivos de aço Figura 3.3 – Escaninho de pesquisa
escrever manual Fonte: Google Imagens (2015) Fonte: Google Imagens (2015)
Fonte: Google Imagens
(2015)
Podemos dizer que Dado é utilizado para se referir ao que realmente está
armazenado. (exemplo: endereço – logradouro, número, complemento etc.).
Isso traz uma inconsistência dos dados (devido à não sincronização temporal
dos diversos bancos) e trabalho repetitivo de redigitação de informações, podendo
levar a erros de dados e, consequentemente, a dificuldades de extração de
a) dados;
b) hardware;
c) software;
d) usuários.
alunos e ocorrer uma alteração nos dados cadastrais de um aluno e ele não for
replicada às áreas que necessitam dessa informação, teremos uma
inconsistência. É necessário que a propagação das informações seja realizada.
3.16 Armazenamento
Nos dois casos (0+1 ou 1+0), a perda de um único disco não resultará na
falha do sistema RAID. A diferença aparece no caso da perda de um segundo disco
que, dependendo do disco, colocaria o sistema RAID 0+1 em desvantagem sobre o
sistema RAID 1+0. Outra diferença é na velocidade de recuperação, porque, caso
ocorra uma falha de disco, no sistema RAID 1+0, será necessário apenas reespelhar
um disco, ao contrário do sistema RAID 0+1, em que será preciso espelhar todo um
O mundo nunca lidou com volumes de dados tão grandes, em parte, graças à
Web 2.0. No artigo em que define Web, Tim O’Reilly fala sobre a necessidade de se
aproveitar a Inteligência Coletiva e sobre dados como diferencial competitivo
(O’REILLY, 2005). Não por acaso, muitas inovações na área de gerenciamento de
dados vieram de algumas empresas pioneiras da Web 2.0. Encontrando limites nas
técnicas e ferramentas disponíveis naquele momento, elas criaram suas próprias
soluções, em sua maioria não relacionais. Boa parte da motivação por trás dessas
soluções estava ligada a novos requisitos de escalabilidade e disponibilidade, que
fizeram com que outros requisitos tidos como indiscutíveis fossem revistos, como a
consistência dos dados, por exemplo [VOGELS, 2009 e PRITCHETT, 2008].
Assim como o termo não relacional, o termo NoSQL não ajuda a definir o que
esses bancos são de fato. Além do problema da falta de precisão, esse termo
também tem contribuído para uma grande confusão em torno dessa categoria de
Esse fato aponta para uma característica presente não só nos bancos de
dados orientados a documentos, mas em bancos de dados NOSQL em geral, que é
a criação de modelos de dados que favoreçam o seu uso para leitura. Bancos de
dados populares nessa categoria são o MongoDB e o CouchDB.
3.16.2.4 Escalabilidade
Portanto, mais núcleos e/ou memórias podem ser adicionados para aumentar
o desempenho do sistema, porém, essa abordagem é limitada e, normalmente, cara.
Já a escalabilidade horizontal se refere à funcionalidade de distribuição de dados e
de carga por diversos servidores, sem o compartilhamento de memória ou disco.
Esta última abordagem permite o uso de máquinas mais baratas e comuns (i.e.,
hardware commodity).
O termo Big Data é bem amplo e ainda não existe um consenso em sua
definição. Porém, Big Data pode ser resumidamente definido como o processamento
(eficiente e escalável) analítico de grandes volumes de dados complexos produzidos
por (diversas) aplicações. Exemplos de aplicações no contexto Big Data variam
bastante, como aplicações científicas e de engenharias, redes sociais, redes de
sensores, dados de Web Click, dados médicos e biológicos, transações de comércio
eletrônico e financeiro, entre inúmeras outras.
Isso pode ser explicado pela existência de uma demanda muito grande para
soluções que tenham alta flexibilidade, escalabilidade, performance e suporte a
diferentes modelos de dados complexos. Podemos, basicamente, resumir as
características de Big Data em quatro propriedades:
fizer um depósito significativo, o banco pode responder, no dia seguinte, com uma
oferta específica para um depósito mais rentável, ou, se o cliente solicitar um grande
adiantamento do seu cartão de crédito, a entidade financeira pode oferecer uma via
mais econômica para obter dinheiro físico, da próxima vez.
3.16.3.3 E a ética?
Não podemos deixar de lembrar que Big Data também traz à tona novos
problemas éticos.
A filha comprou diferentes produtos para teste de gravidez, fato que havia
sido detectado pelos algoritmos da empresa, a qual, logo, começou a enviar
informativos e propagandas de assuntos relacionados para ela, o que,
eventualmente, foi percebido pelo pai.
“Se as forças do Império de Star Wars usassem Big Data, elas venceriam.”
REFERÊNCIAS
GARTNER. Why Data and Analytics are key to digital transformation. Disponível
em: <https://www.gartner.com/smarterwithgartner/why-data-and-analytics-are-key-to-
digital-transformation/>. Acesso em: 12 abr. 2020.