Introdução aos Bancos de Dados

Bancos de dados são coleções lógicas, coerentes e inter-relacionadas de arquivos.
Projetados para auxiliar e atender às necessidades de uma comunidade de usuários.
A modelagem de dados é o estudo das informações existentes em um contexto para construir um modelo de representação e entendimento desse contexto.
A modelagem de dados examina as informações que representam um contexto, estruturando-as em um modelo lógico de dados.
Uma característica primordial da modelagem de banco de dados é fornecer níveis de abstração de dados que escondem detalhes sobre o armazenamento dos dados do usuário final.
O modelo de dados é um conjunto de conceitos que podem ser utilizados para descrever as estruturas lógicas e físicas de um banco de dados.
Um banco de dados é um conjunto de dados relacionados com um significado implícito.
Um banco de dados tem as seguintes características:
- É uma coleção organizada e lógica de dados com um significado inerente.
- Projetado para atender a um propósito específico com um conjunto de usuários e aplicações.
- Representa uma parte do mundo real, denominada minimundo.
Para modelar um banco de dados, três níveis de visão de dados devem ser considerados:
- Conceitual: descreve a realidade do ambiente do problema de forma independente da implementação tecnológica.
- Lógico: considera uma das abordagens possíveis da tecnologia SGBD (relacional, hierárquica, rede ou orientada a objetos) para estruturação dos dados.
- Físico: descreve as estruturas físicas de armazenamento de dados conforme os requisitos de processamento e uso dos recursos computacionais.
Um sistema gerenciador de banco de dados (SGBD) é um software que gerencia as informações de um banco de dados.
As aplicações comunicam-se com o software de gerenciamento para recuperar ou armazenar informações.
Diversos programas podem acessar o mesmo banco de dados, e alterações na estrutura não exigem modificações nos aplicativos.
Existem vários critérios para classificar os bancos de dados, como modelo de dados, número de usuários, localização física e método de acesso.
Os principais tipos de banco de dados são: hierárquicos, relacionais e orientados a objetos.

Bancos de Dados Hierárquicos

Foi o primeiro tipo de banco de dados.
Desenvolvido graças à consolidação dos discos endereçáveis, usando a organização de endereços físicos do disco em sua estrutura.
Em sistemas hierárquicos, encontramos registros e relacionamentos pai-filho.
Um registro é uma coleção de valores que representam informações sobre uma entidade.
Registros do mesmo tipo são chamados de tipos de registros, similares às tabelas/relações do sistema relacional.
Registros pai antecedem outros na hierarquia, e registros filhos sucedem.
Em um relacionamento pai-filho, um tipo de registro pai pode se corresponder com vários tipos de registro filho.

Bancos de Dados Relacionais

A maioria dos sistemas de gerenciamento de bancos de dados em uso atualmente é do tipo relacional.
Um banco de dados relacional organiza os dados em relações, comumente chamadas de tabelas, compostas por linhas e colunas.
As tabelas assemelham-se a conjuntos de elementos ou objetos, agrupando informações relacionadas a um tópico específico.
Operações podem ser efetuadas entre tabelas, como obter elementos comuns ou ligar tabelas por meio de campos comuns.
O resultado de uma consulta é um conjunto de registros que pode ser tratado como uma tabela virtual.
Não há comandos para navegar pelos registros, como MOVE ou SKIP.
Edgard F. Codd formulou os princípios básicos do sistema de banco de dados relacional em 1968, baseando-se na teoria dos conjuntos e álgebra relacional.
Em 1985, propôs doze regras para que um banco de dados relacional fosse admitido como tal, incluindo regras de informações, acesso garantido, tratamento de valores nulos, entre outros.

Bancos de Dados Orientados a Objetos

Surgiu em meados de 1980 para armazenar dados que não podiam ser guardados pelos sistemas relacionais tradicionais.
Exemplos incluem sistemas de geoprocessamento GIS e CAD/CAM/CAE.
O modelo de dados é caracterizado pela definição de bancos de dados por meio de objetos, com suas propriedades e operações.
Um registro é similar a uma classe definida em linguagens como C++, C# ou Java.
O Grupo de Gerenciamento de Dados Objetos (ODMG) definiu um padrão de estrutura para bancos de dados orientados a objetos.
A orientação a objetos oferece vantagens como reutilização de código, simplicidade e alta velocidade de desenvolvimento.

Sistemas Gerenciadores de Bancos de Dados (SGBD)

Um banco de dados pode ser criado e mantido por um conjunto de aplicações desenvolvidas especificamente ou por um tipo de SGBD.
SGBDs surgiram para atender à necessidade de armazenamento e recuperação de grandes volumes de informações, propiciando um ambiente seguro para consulta de dados.
É necessário entender por qual SGBD o banco de dados modelado será gerenciado.
Um sistema de gerenciamento de banco de dados (SGBD) é um software que executa os processos de definição, construção, manipulação e compartilhamento de bancos de dados entre vários usuários e aplicações.
O objetivo geral de um banco de dados é centralizar as informações em um computador específico, permitindo o compartilhamento de dados entre sistemas.
Quando aários usuários acessam os dados, é possível que isso ocorra simultaneamente.
O controle de simultaneidade de eventos é um dos objetivos fundamentais de um SGBD, garantindo propriedades de isolamento de transações que são realizadas ao mesmo tempo.
Um SGBD consiste em um conjunto de dados vinculado a um conjunto de programas que podem acessá-los e realizar operações como inclusão, pesquisa, atualização, impressão e ordenação.
Projetado para processar grandes quantidades de informações, garantindo a segurança das informações e protegendo-as de acessos não autorizados ou problemas causados por erros.
SGBD pode ser implantado em vários computadores, no mesmo local ou em locais diferentes, e se comunicam utilizando diferentes protocolos de comunicação.
Para interagirem com os programas aplicativos dos usuários, os SGBDs oferecem linguagem SQL, composta por:
- Data Definition Language (DDL): instruções para criar ou alterar tabelas, definir Stored Procedures e índices.
- Data Manipulation Language (DML): comandos para extrair dados, inserir novos registros, excluir registros antigos.
Além de permitir pesquisa e alteração de informações, um SGBD tem outros papéis como proteção e recuperação dos dados, segurança, compartilhamento de dados, administração da redundância e a restrição de integridade dos componentes do banco.

Requisitos de um SGBD (ACID)

Os requisitos de um SGBD são conhecidos como ACID (Atomicidade, Consistência, Isolamento, Durabilidade).
A atomicidade garante que nenhuma ou a totalidade das operações da transação sejam realizadas com sucesso.
A consistência preserva as regras impostas no banco de dados, mantendo a integridade dos dados durante e após a transação.
O isolamento garante que uma transação não interfira no trabalho de outra, assegurando que alterações sejam isoladas.
A durabilidade garante que, após uma transação ser realizada com sucesso, os resultados fiquem gravados no banco de dados permanentemente.

Características Essenciais do Uso de um Banco de Dados

Natureza auto descritiva do SGBD.
Isolamento entre os programas, os dados e a abstração dos dados.
Suporte a diversas visões dos dados inseridos no banco de dados.
Transações para diversos usuários do banco e a possibilidade de compartilhar os dados da base de dados.
Uma característica essencial de um SGBD é possuir uma ampla gama de possibilidades para definir a estrutura da base de dados e poder aplicar restrições no banco
Um SGBD oferece aos usuários uma representação conceitual de dados, omitindo vários detalhes.

SGBDs Mais Utilizados Recentemente

SGBDs livres (MySQL, PostgreSQL).
Microsoft Access.
Base (BrOffice/LibreOffice).
SGBDs comerciais e proprietários (SQL Server, Oracle, SyBase, Adabas, DB2).
Profissionais da área frequentemente fazem referência aos SGBDs como banco de dados.
SGBDs são softwares, já os bancos de dados conceitualmente não são considerados como tal.

Dados Como Apoio à Tomada de Decisão

Grandes organizações possuem uma estrutura organizacional interna complexa, com dados em diferentes locais ou sistemas.
As organizações compram dados de fontes externas, como listas de discussão ou pontuação de crédito.
Depósitos de dados (Data Warehouse) oferecem uma solução para esses problemas.
Um depósito de dados (Data Warehouse) é um repositório de informações colhidas de várias origens, armazenadas sob um esquema unificado, em um único local.
Os depósitos de dados oferecem uma única interface consolidada para os dados, facilitando a escrita de consultas de apoio à decisão.

Arquitetura de um Depósito de Dados

Coleta de dados:
- Em uma arquitetura controlada pela fonte, as fontes de dados transmitem novas informações continuamente ou periodicamente.
- Em uma arquitetura controlada por destino, o depósito de dados envia solicitações para novos dados às fontes.
Esquema a ser utilizado:
- As fontes de dados podem ter diferentes esquemas. Uma tarefa do depósito é realizar a integração de esquema e converter dados para o esquema integrado.
Transformação e limpeza de dados:
- A tarefa de corrigir e pré-processar dados é chamada de limpeza de dados. Os dados podem ser transformados mudando unidades de medida ou pela junção de dados de várias relações de origem.
Propagação de atualizações:
- As atualizações sobre as relações nas fontes de dados precisam ser propagadas para o depósito de dados.
Dados a serem resumidos:
- Os dados brutos podem ser muito grandes para serem armazenados on-line. Podemos responder a muitas consultas mantendo dados de resumo obtidos pela agregação sobre uma relação.
As etapas envolvidas na obtenção de dados para um depósito de dados são chamadas de tarefas de extração, transformação e carga (ETL).
OLAP (On-Line Analytical Processing) significa que as informações são processadas para uma análise complexa.
OLTP (On-Line Transaction Processing) refere-se às operações executadas de imediato no banco de dados utilizando-se transações.
Mineração de dados (Data Mining) relaciona-se ao processo de analisar grandes bancos de dados para encontrar padrões úteis.
O termo mineração de dados (ou Data Mining) relaciona-se, em geral, ao processo de analisar grandes bancos de dados para encontrar padrões úteis.
Assim como a descoberta de conhecimento na inteligência artificial (também chamada aprendizado de máquina) ou na análise estatística, a mineração de dados tenta descobrir regras e padrões a partir dos dados. Porém, esta difere daquelas porque lida com grande volume de dados, armazenados principalmente em disco. Ou seja, a mineração de dados ocupa-se da descoberta de conhecimento nos bancos de dados (KDD).

Padrões Descobertos em um Banco de Dados

Alguns tipos de conhecimento descobertos em um banco de dados podem ser representados por um conjunto de regras.
É possível traçar uma trilha de auditoria que, por sua vez, é um registro (ou log) de todas as mudanças (inserções, exclusões e atualizações) nos dados da aplicação de banco de dados, juntamente com informações como qual usuário realizou a mudança e quando a mudança foi realizada.
Os sistemas OLAP são projetados para atender às consultas que surgem em função das necessidades dos usuários.
Os depósitos de dados (Data Warehouses) normalmente possuem esquemas projetados para análise de dados usando ferramentas do tipo OLAP.
As relações em um esquema de depósito de dados podem ser classificadas como tabelas de fatos e tabelas de dimensão.
Tabelas de fatos registram informações sobre eventos individuais e são muito grandes.
Os atributos na tabela de fatos podem ser classificados como atributos de dimensão ou atributos de medição.
- Atributos de medição armazenam informação quantitativa, que pode ser agregada.
- Atributos de dimensão são dimensões sob as quais os atributos de medição são agrupados.
OLTP dados são acumulados a partir de transações diárias e estão em seu estado "puro", sem tratamento para análise com consultas preestabelecidas.
ODS – Operational Data Store (Depósito de Dados Operacional) refere-se a um repositório de dados, similar a um Data Warehouse, mas que não coloca à disposição as informações para uma tomada de decisão.
Os Data Warehouses são verdadeiros depósitos de dados integrados originados de várias fontes, formando um modelo de dados multidimensional.
Ferramentas de processamento analítico on-line (OLAP) ajudam os analistas a verem dados resumidos, e a mineração de dados é o processo de analisar grandes bancos de dados para encontrar padrões úteis.

Tópicos Relevantes Sobre Banco de Dados

Empresas enfrentam uma transformação digital com coleta, tratamento e armazenamento de dados.
A redundância de banco de dados se torna fundamental.
Empresas buscam soluções de recuperação para eventos programados ou inesperados, como ataques cibernéticos.
Políticas de autenticação e acesso a banco de dados ou Data Warehouses de forma mais restritiva se transformaram em um padrão comum nas organizações
A redundância em banco de dados garante a continuidade operacional.
A LGPD (Lei Geral de Proteção de Dados Pessoais) aumentou a responsabilidade das companhias pelos dados sob seu controle.
A redundância de dados é a criação de cópias adicionais de informações, armazenando-as em bancos de dados diferentes.
O objetivo desta prática de backup redundante é garantir a preservação e recuperação de dados em caso de falhas.
A redundância de dados garante a disponibilidade contínua de dados, permite instituições financeiras garantirem o acesso a informações mesmo em situações adversas.
Cópias redundantes aceleram o processo de recuperação em situações de falha ou desastre, permitindo restaurar rapidamente os sistemas e minimizar o impacto das interrupções.
Instituições estão mais bem preparadas para lidar com perdas acidentais de informações.
Regulamentações exigem uma proteção de dados adequada, e a redundância de dados auxilia as instituições a cumprirem esses padrões.
Para que tudo funcione de forma harmoniosa, então, o banco de dados também deve passar por padrões e métodos de política de segurança de acesso de usuários.
Para Alves (2020), a segurança de um sistema de banco de dados está relacionada diretamente com sua integridade e com a proteção das informações nele armazenadas.
Ao se trabalhar com segurança, é importante levar em consideração algumas questões:
- O direito (ou não) de acesso a determinadas informações tidas como confidenciais ou sigilosas.
- O nível em que a segurança deve trabalhar, ou seja, as funções de segurança que devem ser tratadas no nível físico, no nível operacional ou no nível do sistema de gerenciamento do banco de dados.

Segurança do Sistema de Banco de Dados

Aplicações monousuário não precisam de muita atenção à segurança.
Sistemas multiusuários de uma empresa exigem técnicas que controlem o acesso por parte de grupos de usuários.
SGBDs relacionais possuem um subsistema de controle de acesso que gerencia usuários, define níveis de acesso e seleciona as operações que podem ser executadas pelos usuários.
Outra função importante é a criptografia dos dados armazenados no banco, para protegê-los.
O administrador do banco de dados (DBA) define privilégios de acesso aos usuários de acordo com as políticas de segurança.
Os bancos de dados relacionais permitem o gerenciamento de privilégios dos usuários em dois níveis:
- Nível de conta de usuário: cada conta possui um tipo de privilégio específico.
- Nível de relação/tabela: é possível definir para cada tabela um privilégio específico.
Em sistemas padrão SQL, a segurança é baseada em direitos ou privilégios, por meio dos quais os usuários têm ou não permissão para executar operações.
O padrão ANSI/ISO define quatro privilégios: SELECT, INSERT, UPDATE e DELETE.
Em SQL, existem dois comandos para o gerenciamento de privilégios de usuários: GRANT (atribuir privilégio) e REVOKE (remover privilégio).

Gerenciamento de Contas de Usuários

Os sistemas SQL possuem ambientes gráficos que tornam mais fácil gerenciar contas, usuários e privilégios.
Uma trilha de auditoria é um registro das mudanças nos dados, juntamente com informações como qual usuário realizou a mudança e quando.
Uma trilha de auditoria ajuda a descobrir o que aconteceu e quem executou as ações e a reparar o dano causado.
Possível traçar uma trilha de auditoria é possível criar uma trilha de auditoria em nível de banco de dados definindo triggers apropriadas nas atualizações da relação.
Trilhas de auditoria também podem ser usadas para detectar furos de segurança.
Muitas vezes, as trilhas de auditoria em nível de banco de dados não conseguem rastrear quem foi o usuário final da aplicação.
Uma solução possível consiste em copiar a trilha de auditoria para uma máquina diferente.
Uma solução mais forte é usar técnicas de blockchain, que armazenam logs em diversas máquinas.

Privacidade de Dados

Consenso de que pessoas estão mais preocupadas com a privacidade de dados pessoais.
A maioria desejaria que seus dados médicos pessoais fossem mantidos em segredo.
Muitos países possuem leis sobre a privacidade desses dados que definem quando e para quem eles podem ser revelados.
Os dados privados agregados podem ter papel importante em tarefas como a detecção de efeitos colaterais de drogas.
Sites também coletam dados pessoais como endereço, telefone, e-mail e informações de cartão de crédito, precisando garantir que essas preferências sejam respeitadas.
Mecanismos de autorização do SQL são menos minuciosos e possuem valor limitado para aplicações que tratam de uma grande quantidade de usuários.