<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: Max Santos</title>
    <description>The latest articles on DEV Community by Max Santos (@max_santos).</description>
    <link>https://dev.to/max_santos</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F4248384%2F4e82f78c-2048-4607-84a4-412f975692e3.jpg</url>
      <title>DEV Community: Max Santos</title>
      <link>https://dev.to/max_santos</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/max_santos"/>
    <language>en</language>
    <item>
      <title>Projeto de Banco de Dados - Normalização</title>
      <dc:creator>Max Santos</dc:creator>
      <pubDate>Mon, 16 Nov 2026 22:01:31 +0000</pubDate>
      <link>https://dev.to/max_santos/projeto-de-banco-de-dados-normalizacao-5b7e</link>
      <guid>https://dev.to/max_santos/projeto-de-banco-de-dados-normalizacao-5b7e</guid>
      <description>&lt;p&gt;O processo de normalização de banco de dados relacionais, proposto por Edgar F. Codd na IBM, visa organizar o armazenamento das informações para garantir a eficácia das restrições de integridade e eliminar dependências indesejadas estruturadas incorretamente, conhecidas como anomalias. Essas falhas manifestam-se na inserção, quando a rigidez de tabelas mistas impede o registro de novos dados por falta de informações complementares ainda inexistentes; na exclusão, quando a remoção de um registro apaga acidentalmente dados de outra entidade associada; e na atualização, provocada pela duplicação de dados em várias linhas, o que gera inconsistências e dados contraditórios caso a alteração seja feita de forma incompleta.&lt;/p&gt;

&lt;p&gt;Para solucionar essas falhas, a normalização utiliza um conjunto progressivo de regras chamadas Formas Normais. Esse processo opera de maneira cumulativa, de modo que cada nova etapa impõe critérios mais rigorosos e herda integralmente as exigências das formas anteriores, garantindo uma evolução consistente na estruturação e no refinamento lógico do banco de dados.&lt;/p&gt;

&lt;p&gt;Como resultado desse rigor metodológico, o projeto obtém vantagens, como a prevenção de anomalias, a mitigação da redundância não intencional, a economia direta de custos de armazenamento — especialmente relevante em servidores locais e em ambientes de computação em nuvem —, e a recuperação mais ágil de dados por meio de consultas otimizadas que exigem menor esforço de processamento.&lt;/p&gt;

&lt;h2&gt;
  
  
  Dependências Funcionais
&lt;/h2&gt;

&lt;p&gt;As &lt;strong&gt;dependências funcionais (DFs)&lt;/strong&gt; refletem as regras de negócio e as verdades do mundo real que o banco de dados deve respeitar rigidamente. Elas ocorrem quando os valores de um conjunto de atributos (o conjunto determinante, localizado à esquerda) determinam obrigatoriamente os valores de outros (o conjunto dependente, à direita), representadas pela notação A → B. Esse conceito é fundamental para a aplicação das Formas Normais (2ª, 3ª e Boyce-Codd) e para a identificação de chaves, uma vez que um conjunto de atributos capaz de determinar todos os demais da tabela constitui, por definição, uma chave.&lt;/p&gt;

&lt;p&gt;Para descobrir novas dependências a partir das regras iniciais fornecidas pelos projetistas, utilizam-se os Axiomas de Armstrong. A reflexividade dita que um conjunto de atributos sempre determina suas partes ou a si mesmo (gerando DFs triviais úteis para provar superchaves); a augmentação permite adicionar atributos extras a ambos os lados de uma dependência sem invalidá-la, auxiliando na composição de chaves; e a transitividade possibilita encadear dependências quando o determinante de uma é determinado por outra (X → Y e Y → Z ⇒  X → Z ), revelando chaves ocultas no modelo.&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Reflexividade&lt;/strong&gt;: Se Y é um subconjunto de X, então X determina Y.

&lt;ul&gt;
&lt;li&gt;Conceito: Um conjunto de atributos sempre determina a si mesmo ou a qualquer parte de si.&lt;/li&gt;
&lt;li&gt;Exemplo: {CPF_Cliente,Cod_Produto}→CPF_Cliente (É uma DF trivial, mas válida).&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Augmentação&lt;/strong&gt;: Se XY, então XZYZ.

&lt;ul&gt;
&lt;li&gt;Conceito: Adicionar o mesmo atributo (Z) a ambos os lados de uma dependência não a invalida. Isso é crucial para a formação de chaves compostas.&lt;/li&gt;
&lt;li&gt;Exemplo: Se Cod_Produto→Preço_Unitário, então {Cod_Produto,CPF_Cliente}→{Preço_Unitário,CPF_Cliente}.&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;Transitividade: Se XY e YZ, então XZ.

&lt;ul&gt;
&lt;li&gt;Conceito: Permite encadear dependências. Se X define Y, e Y define Z, então X define Z indiretamente.&lt;/li&gt;
&lt;li&gt;Exemplo: Se tivermos as DFs: CPF_Cliente→ID_Endereco e ID_Endereco→Cidade, podemos inferir que CPF_Cliente→Cidade.&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Complementando os axiomas, regras derivadas otimizam a manipulação lógica dessas dependências. A união estabelece que, se um mesmo determinante gera dependências separadas, ele também pode determiná-las conjuntamente (X→Y e X→Z ⇒  X →YZ ). Inversamente, a regra da decomposição permite separar um conjunto de dependentes no lado direito quando determinados em bloco por um único determinante (X→YZ ⇒  X →Y  e X→Z).&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;União&lt;/strong&gt;: Se X→Y e X→Z, então X→YZ.

&lt;ul&gt;
&lt;li&gt;Conceito: Se um determinante define dois atributos separadamente, ele também pode defini-los como um conjunto.&lt;/li&gt;
&lt;li&gt;Exemplo: Se Cod_Produto→Nome_Produto e Cod_Produto→Preço_Unitário, então Cod_Produto→{Nome_Produto,Preço_Unitário}.&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Decomposição&lt;/strong&gt;: Se X→YZ, então X→Y e X→Z.

&lt;ul&gt;
&lt;li&gt;Conceito: O inverso da união. Se um determinante define um conjunto de atributos, ele também define cada um individualmente.&lt;/li&gt;
&lt;li&gt;Exemplo: Se Cod_Produto→{Nome_Produto,Preço_Unitário}, podemos decompor em Cod_Produto→Nome_Produto e Cod_Produto→Preço_Unitário.&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  Formas Normais
&lt;/h2&gt;

&lt;p&gt;O processo de normalização inicia-se com a &lt;strong&gt;1ª Forma Normal (1FN)&lt;/strong&gt;, considerada obrigatória para a existência conceitual e matemática de um banco relacional. Ela exige que cada tabela possua obrigatoriamente uma chave primária para a identificação unívoca de seus registros e impõe a atomicidade dos atributos, proibindo estritamente a presença de grupos repetitivos, tais como atributos multivalorados, compostos, repetitivos em série ou estruturas aninhadas do tipo tabela dentro de tabela.&lt;/p&gt;

&lt;p&gt;Evoluindo para a &lt;strong&gt;2ª Forma Normal (2FN)&lt;/strong&gt;, a tabela precisa primeiro estar na 1FN e eliminar totalmente as dependências parciais, o que significa que todos os atributos não-chave devem depender de forma integral e total de toda a chave primária composta. Caso exista dependência de apenas uma parte da chave, a tabela deve ser decomposta em estruturas menores e independentes focadas em suas respectivas dependências funcionais.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;3ª Forma Normal (3FN)&lt;/strong&gt; introduz o conceito de combate às dependências transitivas, estabelecendo que atributos comuns (não-chave) não podem determinar outros atributos comuns. Desse modo, o modelo não tolera correntes indiretas do tipo em que a chave determina um atributo comum, e este por sua vez determina outro, exigindo que a cadeia seja quebrada e isolada em tabelas específicas.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;Forma Normal de Boyce-Codd (FNBC)&lt;/strong&gt; é uma versão mais rigorosa da Terceira Forma Normal (3FN). Uma tabela está na FNBC quando já se encontra na 3FN e, para cada dependência funcional não trivial, o determinante é obrigatoriamente uma superchave da tabela. Isso significa que nenhum atributo não chave ou parte de uma chave candidata pode determinar outro atributo que faça parte de uma chave candidata.&lt;/p&gt;

&lt;p&gt;Para entender na prática, imagine uma tabela de monitoria universitária com as colunas Aluno, Disciplina e Monitor. Considere que um aluno pode ter vários monitores em disciplinas diferentes, mas cada monitor auxilia em apenas uma disciplina, e cada aluno tem apenas um monitor por disciplina. A chave primária composta pode ser (Aluno, Disciplina), porém o atributo Monitor determina sozinho a Disciplina. Como o Monitor não é uma superchave da tabela, ocorre redundância ao repetir o nome da disciplina toda vez que o monitor aparece. A solução é dividir a tabela original em duas: uma tabela relacionando Aluno e Monitor e outra relacionando Monitor e Disciplina.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;Quarta Forma Normal (4FN)&lt;/strong&gt; trata da eliminação das chamadas dependências multivaloradas. Uma tabela está na 4FN se já estiver na FNBC e não contiver duas ou mais características independentes entre si e multivaloradas sobre a mesma entidade. Em outras palavras, não devemos misturar na mesma tabela diferentes listas de atributos que não possuem relação direta um com o outro.&lt;/p&gt;

&lt;p&gt;Como exemplo didático, pense em uma tabela chamada Funcionario_Info com as colunas Funcionario, Idioma e Ferramenta. Suponha que o funcionário Carlos fale Inglês e Espanhol, e também saiba usar Excel e Python. Como os idiomas que ele fala não têm relação com as ferramentas que ele domina, somos obrigados a criar todas as combinações possíveis na mesma tabela para não perder dados (Carlos com Inglês e Excel, Carlos com Inglês e Python, Carlos com Espanhol e Excel, etc.). Para atingir a 4FN, dividimos essa estrutura em duas tabelas independentes: Funcionario_Idioma e Funcionario_Ferramenta.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;Quinta Forma Normal (5FN)&lt;/strong&gt;, também conhecida como Forma Normal de Projeção-Junção (PJ/NF), tem como objetivo eliminar redundâncias causadas por dependências de junção. Uma tabela está na 5FN quando já está na 4FN e não pode ser decomposta em tabelas menores sem que haja perda de informação ou criação de registros falsos (tuplas espúrias) ao juntá-las novamente. Ela lida com relacionamentos ternários onde três entidades precisam estar associadas simultaneamente sob regras de negócio específicas.&lt;/p&gt;

&lt;p&gt;Considere um cenário de logística com uma tabela contendo Fornecedor, Peca e Projeto. Suponha que exista uma regra de negócio indicando que, se um fornecedor fornece uma determinada peça, e essa peça é usada em um projeto, e esse fornecedor também atende a esse projeto, então o fornecedor obrigatoriamente fornece aquela peça para aquele projeto. Quando essa regra cíclica existe, manter os três dados juntos gera repetições desnecessárias sempre que um novo vínculo é criado. A solução na 5FN é quebrar a tabela original em três tabelas binárias: Fornecedor_Peca, Peca_Projeto e Fornecedor_Projeto, pois a junção natural dessas três reconstruirá exatamente os dados originais sem redundância.&lt;/p&gt;

&lt;h2&gt;
  
  
  Dependências funcionais na prática
&lt;/h2&gt;

&lt;p&gt;A materialização prática das dependências funcionais, chaves e formas normais em bancos de dados relacionais ocorre por meio de comandos da linguagem SQL, destacando-se o PRIMARY KEY para definir a chave primária e o UNIQUE para as chaves alternativas. Essa estruturação permite certificar se as regras de negócio foram implementadas corretamente na modelagem física, pois a definição de um atributo como chave assegura diretamente a validade de dependências funcionais em que esse identificador determina todos os demais elementos do registro.&lt;/p&gt;

&lt;p&gt;Além do código de criação, a validade de uma dependência funcional (XY) pode ser testada empiricamente sobre os dados armazenados em uma instância de tabela. A regra prática consiste em verificar se existe qualquer par de linhas que compartilhe o mesmo valor em X mas apresente valores distintos em Y. Caso um mesmo determinante aponte para dados diferentes no lado dependente, encontra-se uma contradição e a dependência funcional torna-se inválida; se nunca houver divergência, a dependência se sustenta para aquela instância analisada.&lt;/p&gt;

&lt;h2&gt;
  
  
  Desnormalização
&lt;/h2&gt;

&lt;p&gt;Embora a normalização até a 3ª Forma Normal (3FN) seja o padrão ideal para eliminar anomalias e garantir a integridade dos dados, ela gera o efeito colateral de fragmentar a informação em numerosas tabelas. Essa segmentação excessiva exige operações complexas de junção (JOINs) que consomem tempo e recursos computacionais elevados, abrindo espaço para a desnormalização intencional em cenários de grande volume de dados ou exigências estritas de velocidade, onde se aceita deliberadamente certa redundância em prol do desempenho e da otimização de consultas.&lt;/p&gt;

&lt;p&gt;Para concretizar esse equilíbrio entre agilidade e integridade, aplicam-se estratégias práticas específicas de desnormalização, começando pelo uso de dados redundantes, em que a mesma informação é armazenada em tabelas diferentes para evitar junções custosas, transferindo ao sistema a responsabilidade de manter os registros sincronizados. Outra abordagem é o dado derivado, que armazena um atributo calculado de antemão para reduzir o custo de processamento em tempo real em troca de um maior custo de armazenamento, sendo um desdobramento direto do dado pré-agregado, que salva resultados de operações como somas, médias ou contagens calculadas previamente e atualizadas sempre que a origem sofre modificações.&lt;/p&gt;

&lt;p&gt;Por fim, a técnica de &lt;strong&gt;tabela temporária&lt;/strong&gt; para relatório resolve situações em que a rigidez da estrutura normalizada torna inviável a extração de informações complexas diretamente pelo modelo padrão. Nesses casos, constrói-se uma estrutura desnormalizada exclusiva para a montagem do relatório, sendo descartada logo após o uso e isenta de qualquer preocupação com a consistência ou sincronização contínua dos dados, funcionando como uma ferramenta de suporte pontual à tomada de decisão.&lt;/p&gt;

</description>
      <category>backend</category>
      <category>computerscience</category>
      <category>database</category>
    </item>
    <item>
      <title>Projeto de Banco de Dados - Modelo Lógico</title>
      <dc:creator>Max Santos</dc:creator>
      <pubDate>Mon, 16 Nov 2026 21:47:45 +0000</pubDate>
      <link>https://dev.to/max_santos/projeto-de-banco-de-dados-modelo-logico-4glf</link>
      <guid>https://dev.to/max_santos/projeto-de-banco-de-dados-modelo-logico-4glf</guid>
      <description>&lt;p&gt;O &lt;strong&gt;modelo de dados lógicos&lt;/strong&gt; representa a estrutura detalhada das informações de um sistema, traduzindo as regras de negócio para um formato próximo ao que será implementado no banco de dados. Enquanto o modelo conceitual foca nas entidades e relacionamentos de alto nível, o modelo lógico define como esses dados serão organizados em tabelas (modelo lógico relacional com tabelas, colunas, chaves e restrições de integridade), como documentos (modelo lógico documental), como grafos, como objetos, entre outros. Nesse momento há a definição do tipo do Sistema Gerenciador de Banco de Dados (SGBD) a ser utilizado (relacional, orientado a objetos, entre outros), mas sem depender ainda de um &lt;em&gt;software&lt;/em&gt; específico.&lt;/p&gt;

&lt;p&gt;A evolução dos modelos de dados lógicos iniciou-se na década de 1960 com o modelo hierárquico da IBM, estruturado em formato de árvore para modelar relações de cardinalidade 1:N. Devido à sua limitação em representar relacionamentos complexos (M:N) sem gerar redundância, surgiu em 1969 o modelo em rede, que permitiu que um nó tivesse múltiplos pais.&lt;/p&gt;

&lt;p&gt;Essa lógica transformou-se com a introdução do modelo relacional por Edgar F. Codd, em 1970. Fundamentado na teoria dos conjuntos e na lógica matemática, esse modelo substituiu a navegação procedural por consultas declarativas — viabilizadas pela linguagem SQL — e organizou as informações em tabelas, estabelecendo-se como o padrão dominante na indústria.&lt;/p&gt;

&lt;p&gt;Posteriormente, novas exigências tecnológicas impulsionaram a era dos modelos pós-relacionais. Na década de 1980, os bancos orientados a objeto buscaram reduzir o atrito entre o código e o armazenamento; já no final dos anos 2000, o avanço do Big Data e da internet consolidou o movimento NoSQL. Este último diversificou-se em paradigmas flexíveis e especializados, como chave-valor, documentos, colunas e grafos, adaptando-se a volumes massivos de dados e novas demandas de escala.&lt;/p&gt;

&lt;p&gt;O modelo &lt;strong&gt;chave-valor&lt;/strong&gt; é a estrutura mais simples entre os bancos NoSQL (semelhante a uma tabela &lt;em&gt;hash&lt;/em&gt;), na qual se associa uma chave única a um valor opaco que o banco não interpreta. Focado em baixa latência e alta taxa de transferência, elimina gargalos de disco relacionais e é ideal para sessões, carrinhos de compras e cache (ex.: Redis, Amazon DynamoDB). O modelo &lt;strong&gt;orientado a documentos&lt;/strong&gt; armazena dados em estruturas autodescritivas flexíveis (JSON, BSON, XML) sem esquema prefixado. Resolve a rigidez relacional e a impedância objeto-relacional ao manter os dados de uma entidade unidos, eliminando JOINs custosos e agilizando o desenvolvimento (ex.: MongoDB, Couchbase).&lt;/p&gt;

&lt;p&gt;No que tange ao &lt;strong&gt;modelo colunar&lt;/strong&gt;, este agrupa colunas por famílias e as armazena juntas em disco, permitindo estruturas esparsas e altamente distribuídas. Focado em escalabilidade horizontal para Big Data, resolve desafios de armazenamento e consulta de volumes massivos de dados, como em séries temporais e IoT (ex.: Apache Cassandra, HBase). Já o modelo orientado a grafos representa dados por nós (entidades) e arestas (relacionamentos) conectados por ponteiros físicos diretos. Resolve a lentidão em relacionamentos profundos e complexos que afeta bancos relacionais (JOINs recursivos), sendo ideal para redes sociais e sistemas de recomendação (ex.: Neo4j, Amazon Neptune).&lt;/p&gt;

&lt;h2&gt;
  
  
  Modelo de Dados Relacional
&lt;/h2&gt;

&lt;p&gt;A base estrutural do modelo relacional é a &lt;strong&gt;relação&lt;/strong&gt;, que na prática corresponde a uma &lt;strong&gt;tabela bidimensional&lt;/strong&gt; composta por linhas e colunas. Cada linha, tecnicamente chamada de &lt;strong&gt;tupla&lt;/strong&gt;, representa um registro único ou uma instância específica daquela entidade, como os dados de um único cliente. Já cada coluna, chamada &lt;strong&gt;atributo&lt;/strong&gt;, representa uma característica ou propriedade que descreve a entidade, como nome, CPF ou data de nascimento desse cliente.&lt;/p&gt;

&lt;p&gt;As restrições em um banco de dados relacional dividem-se em escopos distintos. As restrições implícitas são regras inerentes "de fábrica" do modelo, enquanto as explícitas (ou de esquema) exigem declaração expressa via código durante o projeto, a exemplo dos tipos de dados. Já as restrições semânticas ou de aplicação tratam de regras de negócios complexas que exigem implementação externa por código, triggers ou procedimentos armazenados. Quanto à dimensão temporal, elas classificam-se em restrições de estado — que validam os dados em um instante isolado — e de transição, que avaliam a validade da mudança entre estados, sendo o SGBD o responsável por garantir tais verificações de integridade.&lt;/p&gt;

&lt;p&gt;O modelo relacional também impõe restrições implícitas fundamentais para sua consistência estrutural. Conceitualmente, as tuplas de uma relação não possuem ordem estrita, embora o armazenamento físico seja sequencial, e os atributos seguem uma ordenação própria, a menos que sejam identificados explicitamente por seus nomes. Além disso, o modelo exige a atomicidade de cada valor, vedando listas ou estruturas complexas; padroniza o uso de NULL para representar dados desconhecidos ou inexistentes; assegura a unicidade pela proibição de tuplas duplicadas; e estrutura formalmente fatos reais sobre entidades e relacionamentos.&lt;/p&gt;

&lt;p&gt;Complementando essas regras estruturais, as restrições explícitas de domínio determinam que cada atributo pertença a um conjunto pré-definido de valores elementares permitidos, como números inteiros, textos ou datas. Essa integridade de domínio opera diretamente em conjunto com a atomicidade para impedir a inserção de dados inválidos ou sem sentido no esquema do banco de dados.&lt;/p&gt;

&lt;p&gt;Para que os atributos funcionem corretamente e mantenham a consistência das informações, cada coluna recebe o domínio, que define o conjunto de valores permitidos e o tipo de dado lógico associado. Os tipos lógicos mais comuns dividem-se em categorias fundamentais, como os tipos numéricos (inteiros para contagens e decimais para valores monetários), os tipos alfanuméricos ou texto (cadeia de caracteres de tamanho fixo ou variável para nomes e descrições), os tipos temporais (datas, horas e carimbos de tempo para registros históricos) e os tipos booleanos (valores lógicos que aceitam apenas verdadeiro ou falso).&lt;/p&gt;

&lt;p&gt;Além dos tipos básicos de armazenamento, a modelagem lógica utiliza chaves para identificar registros e conectar diferentes atributos que identifica de maneira exclusiva cada tupla dentro de uma tabela, não podendo conter valores nulos ou repetidos. Por sua vez, a Chave Estrangeira (FK) é um atributo que referencia a chave primária de outra tabela, criando o vínculo relacional entre os dados e garantindo que não existam registros órfãos no sistema.&lt;/p&gt;

&lt;p&gt;As restrições de chave iniciam-se com a superchave, um conjunto de atributos que garante a unicidade de cada tupla em uma relação. Quando essa superchave é mínima — ou seja, nenhum atributo pode ser removido sem que se perca a unicidade —, ela constitui uma chave, que pode ser formada por um único atributo ou ser composta por múltiplos. O conjunto de chaves válidas de uma tabela forma as chaves candidatas, dentre as quais uma é selecionada para exercer o papel de identificadora oficial.&lt;/p&gt;

&lt;p&gt;A chave candidata escolhida é promovida a chave primária, cujos atributos aparecem sublinhados no esquema e são submetidos à integridade de entidade, restrição que proíbe valores duplicados e nulos (NOT NULL). Ela pode ser uma chave natural (derivada de atributos reais como CPF ou CNPJ, sujeita a alterações estruturais externas) ou uma chave substituta (surrogate key), gerada artificialmente (como um id) para assegurar controle interno estável. As demais chaves candidatas tornam-se chaves alternativas (ou únicas), que também garantem unicidade, mas diferem da primária por admitirem valores nulos.&lt;/p&gt;

&lt;p&gt;Para conectar diferentes tabelas, emprega-se a chave estrangeira na relação filha, fazendo referência à chave de uma relação pai. Esse mecanismo é regulado pela integridade referencial, restrição que exige que o valor da chave estrangeira corresponda estritamente a um registro existente na tabela pai ou seja nulo, assegurando a consistência das relações por meio de comandos SQL como PRIMARY KEY, UNIQUE e FOREIGN KEY.&lt;/p&gt;

&lt;p&gt;Por fim, a definição dos dados lógicos envolve a aplicação de &lt;strong&gt;restrições de integridade&lt;/strong&gt; e processos de &lt;strong&gt;normalização&lt;/strong&gt; para evitar redundância e anomalias. Regras como a obrigatoriedade de preenchimento (Not Null), a unicidade de valores (Unique) e a validação de condições específicas (Check) asseguram que o dado inserido seja sempre válido. Dessa forma, o modelo lógico atua como uma planta baixa, garantindo que a transição futura para o modelo físico ocorra com eficiência, segurança e sem perda de sentido semântico.&lt;/p&gt;

&lt;h2&gt;
  
  
  Mapeamento do Modelo ER para o Modelo Relacional
&lt;/h2&gt;

&lt;p&gt;O mapeamento do Modelo Entidade-Relacionamento (ER) para o Modelo Relacional é a etapa do projeto de banco de dados responsável por traduzir um diagrama conceitual (como o DER) em uma estrutura lógica composta por tabelas, colunas e chaves. Enquanto o modelo conceitual foca em representar as regras de negócio de forma abstrata e visual, o modelo lógico prepara esses dados para serem implementados em um SGBD, nesse caso, relacional, garantindo integridade e evitando redundâncias. Como regra geral, cada entidade original vira uma tabela e seus atributos viram colunas, enquanto a tradução dos relacionamentos varia conforme a razão de cardinalidade.&lt;/p&gt;

&lt;p&gt;A primeira fase desse processo concentra-se na conversão das entidades fortes, que são aquelas que possuem existência própria e uma chave primária bem definida. Cada entidade forte do diagrama torna-se uma nova tabela no modelo relacional, onde seus atributos simples são convertidos diretamente em colunas. O atributo identificador da entidade passa a ser a Chave Primária (PK) dessa tabela. Caso existam atributos compostos, como um endereço dividido em rua e cidade, eles são desmembrados em colunas individuais. Já os atributos derivados, como a idade calculada a partir da data de nascimento, costumam ser descartados nessa fase para economizar armazenamento.&lt;/p&gt;

&lt;p&gt;Quando o modelo apresenta &lt;strong&gt;entidades fracas&lt;/strong&gt;, o mapeamento exige um cuidado adicional, pois elas dependem de uma entidade proprietária para existir. A entidade fraca também é transformada em uma tabela própria, recebendo todas as suas colunas comuns. No entanto, ela precisa herdar a chave primária da entidade forte à qual está vinculada, incorporando-a como uma Chave Estrangeira (FK). A chave primária da tabela resultante será, portanto, uma chave composta formada pela união dessa chave estrangeira importada com o atributo discriminador (chave parcial) da própria entidade fraca.&lt;/p&gt;

&lt;p&gt;O tratamento dos &lt;strong&gt;atributos multivalorados&lt;/strong&gt;, que podem armazenar múltiplos valores para um mesmo registro (como vários telefones de um cliente), exige a criação de uma tabela separada para manter a atomicidade exigida pela Primeira Forma Normal. Essa nova tabela conterá uma coluna para armazenar o valor do atributo em si e uma chave estrangeira que aponta para a tabela da entidade original. A chave primária dessa estrutura auxiliar será a combinação de ambas as colunas, permitindo que um mesmo cliente tenha diversas linhas associadas sem repetir seus dados cadastrais principais.&lt;/p&gt;

&lt;p&gt;A tradução dos &lt;strong&gt;relacionamentos binários&lt;/strong&gt; varia diretamente conforme a cardinalidade estabelecida entre as entidades. Nos relacionamentos de &lt;strong&gt;um para um (1:1)&lt;/strong&gt;, a abordagem mais comum consiste em escolher uma das tabelas para receber a chave primária da outra como chave estrangeira, dando preferência ao lado que possui participação total para evitar valores nulos. Caso o relacionamento possua atributos próprios, eles acompanham essa chave estrangeira na tabela escolhida. Alternativamente, pode-se usar a relação mesclada (unindo as entidades em uma única tabela e eliminando chaves artificiais desnecessárias) ou, de forma menos encorajada, criar uma tabela intermediária de referência cruzada.&lt;/p&gt;

&lt;p&gt;Nos relacionamentos de &lt;strong&gt;um para muitos (1:N)&lt;/strong&gt;, a regra é rígida e não permite escolhas arbitrárias. A tabela que representa o lado "muitos" (N) deve obrigatoriamente receber a chave primária da tabela do lado "um" (1) como uma chave estrangeira. Esse mecanismo cria o vínculo relacional entre os registros, permitindo que vários itens filhos apontem para um único registro pai, levando consigo eventuais atributos que pertençam ao relacionamento. Como alternativa a esse método padrão, também é possível empregar uma tabela intermediária para representar a associação.&lt;/p&gt;

&lt;p&gt;Por fim, os relacionamentos de &lt;strong&gt;muitos para muitos (N:M)&lt;/strong&gt; não podem ser representados apenas com chaves estrangeiras nas tabelas existentes, pois isso violaria as regras estruturais dos bancos relacionais. Para resolver essa cardinalidade, cria-se uma terceira tabela, chamada de tabela associativa ou de junção. Essa nova estrutura recebe como chaves estrangeiras as chaves primárias de ambas as tabelas envolvidas, e a união dessas duas chaves forma a sua chave primária composta, além de abrigar quaisquer atributos descritivos do próprio relacionamento. Caso existam múltiplos registros para a mesma combinação (como a mesma disciplina lecionada em semestres diferentes), torna-se necessária a adoção de uma chave substituta (&lt;em&gt;surrogate key&lt;/em&gt;).&lt;/p&gt;

&lt;h2&gt;
  
  
  Visões (&lt;em&gt;Views&lt;/em&gt;)
&lt;/h2&gt;

&lt;p&gt;Uma visão (view) é uma tabela virtual ou derivada que não armazena dados fisicamente em disco. Ela é computada dinamicamente a cada requisição a partir de tabelas base, o que garante que seus registros reflitam sempre o estado atual do banco, sem risco de defasagem, sendo estruturada por meio de consultas SQL (SELECT).&lt;/p&gt;

&lt;p&gt;O uso de visões atua como uma camada intermediária estratégica que oferece múltiplos benefícios práticos: garante segurança e controle de acesso ao ocultar dados sensíveis, simplifica consultas complexas ao encapsular junções, realiza agregação de dados, abstrai a estrutura real do banco e otimiza o armazenamento, pois guarda apenas a definição textual da consulta em vez de duplicar informações.&lt;/p&gt;

&lt;p&gt;Em contraponto às visões dinâmicas, as visões materializadas executam a consulta previamente e armazenam o resultado como uma tabela concreta em disco. Embora incorporem uma desvantagem de desatualização — exigindo sincronizações periódicas e agindo essencialmente como um cache —, elas eliminam a necessidade de recomputação a cada acesso, proporcionando ganho expressivo de desempenho em consultas pesadas e frequentes típicas de ambientes de data warehouse.&lt;/p&gt;

&lt;h2&gt;
  
  
  As 12 regras de Codd
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Regra&lt;/th&gt;
&lt;th&gt;Descrição&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Regra 0: A Regra Fundamental&lt;/td&gt;
&lt;td&gt;Esta regra estabelece que qualquer sistema que se diga relacional deve gerenciar seus bancos de dados exclusivamente por meio de suas capacidades relacionais. Isso significa que o software não pode depender de recursos externos ou de baixo nível para manipular informações, garantindo que toda a operação ocorra dentro do modelo lógico de tabelas e relações.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 1: A Regra da Informação&lt;/td&gt;
&lt;td&gt;Toda e qualquer informação em um banco de dados relacional deve ser representada de uma única maneira lógica, ou seja, como valores explícitos dentro de células de tabelas. Não devem existir ponteiros ocultos ou conexões invisíveis entre registros, pois até mesmo os nomes das tabelas e colunas precisam estar organizados em formato tabular.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 2: A Regra do Acesso Garantido&lt;/td&gt;
&lt;td&gt;Cada dado individual armazenado no banco deve ter seu acesso logicamente garantido por meio de uma combinação específica de três elementos: o nome da tabela, o valor da chave primária e o nome da coluna. Dessa forma, o sistema nunca depende da posição física em que o dado foi gravado no disco rígido para encontrá-lo.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 3: Tratamento Sistemático de Valores Nulos&lt;/td&gt;
&lt;td&gt;O sistema deve suportar valores nulos (NULL) para representar a ausência de informação ou dados desconhecidos de maneira uniforme e independente do tipo de dado. O valor nulo não pode ser confundido com o número zero ou com um espaço em branco, pois ele indica estritamente que aquela informação não existe ou ainda não foi preenchida.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 4: Catálogo Online Dinâmico Baseado no Modelo Relacional&lt;/td&gt;
&lt;td&gt;A descrição da estrutura do próprio banco de dados, conhecida como metadados ou dicionário de dados, deve ser armazenada da mesma forma que os dados comuns do usuário. Isso permite que os administradores consultem a estrutura das tabelas, colunas e permissões utilizando exatamente a mesma linguagem de consulta aplicada aos dados normais.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 5: A Regra da Sublinguagem de Dados Abrangente&lt;/td&gt;
&lt;td&gt;Um sistema relacional pode suportar várias linguagens de programação, mas deve oferecer pelo menos uma linguagem completa com sintaxe bem definida. Essa linguagem, como o SQL, precisa ser capaz de realizar todas as tarefas essenciais, incluindo definição de dados, manipulação de registros, controle de integridade, gerenciamento de transações e autorização de acesso.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 6: A Regra da Atualização de Visões&lt;/td&gt;
&lt;td&gt;Todas as visões (Views) que são teoricamente atualizáveis também devem ser passíveis de atualização diretamente pelo sistema. Uma visão funciona como uma tabela virtual criada a partir de uma consulta, e o SGBD precisa ser inteligente o suficiente para traduzir alterações feitas nessa tabela virtual para as tabelas físicas reais que a originaram.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 7: Inserção, Atualização e Exclusão de Alto Nível&lt;/td&gt;
&lt;td&gt;A capacidade de lidar com uma relação básica ou derivada como um único operando não se aplica apenas à recuperação de dados, mas também à inserção, alteração e exclusão. Isso significa que o sistema deve permitir modificar múltiplos registros de uma só vez com um único comando, sem obrigar o usuário a processar linha por linha manualmente.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 8: Independência Física de Dados&lt;/td&gt;
&lt;td&gt;Os programas de aplicação e as atividades nos terminais devem permanecer logicamente inalterados sempre que houver mudanças na forma como os dados são armazenados fisicamente. Se o administrador decidir trocar o disco rígido, mudar o método de indexação ou compactar arquivos, os softwares que consomem o banco continuam funcionando sem precisar de nenhuma alteração no código.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 9: Independência Lógica de Dados&lt;/td&gt;
&lt;td&gt;Os programas de aplicação não devem sofrer impactos quando ocorrerem alterações lógicas nas tabelas que preservam a informação original. Por exemplo, se uma tabela grande for dividida em duas tabelas menores por motivos de desempenho, as aplicações antigas devem continuar operando normalmente por meio de visões que reconstroem a estrutura anterior.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 10: Independência de Integridade&lt;/td&gt;
&lt;td&gt;As restrições de integridade específicas de um banco de dados devem ser definidas na sublinguagem relacional e armazenadas no catálogo, e não escondidas dentro do código dos programas de aplicação. Regras como chaves primárias, chaves estrangeiras e validações de valores ficam protegidas dentro do próprio banco, impedindo que qualquer software externo insira dados inválidos.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 11: Independência de Distribuição&lt;/td&gt;
&lt;td&gt;O usuário final e as aplicações não devem perceber se os dados estão armazenados em um único computador local ou espalhados por vários servidores em diferentes lugares do mundo. O sistema de gerenciamento deve ser capaz de distribuir, consultar e unir essas informações de forma totalmente transparente, mantendo a mesma lógica de operação.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Regra 12: A Regra da Não-Subversão&lt;/td&gt;
&lt;td&gt;Se o sistema possuir uma linguagem de baixo nível que permita acessar um registro por vez, essa ferramenta nunca poderá ser usada para contornar ou ignorar as regras de integridade e segurança definidas na linguagem relacional de alto nível. Isso garante que não existam "portas dos fundos" capazes de corromper a consistência do banco de dados.&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

</description>
      <category>architecture</category>
      <category>backend</category>
      <category>database</category>
    </item>
    <item>
      <title>Projeto de Banco de Dados - Modelo Conceitual</title>
      <dc:creator>Max Santos</dc:creator>
      <pubDate>Mon, 16 Nov 2026 21:24:32 +0000</pubDate>
      <link>https://dev.to/max_santos/projeto-de-banco-de-dados-modelo-conceitual-4j0g</link>
      <guid>https://dev.to/max_santos/projeto-de-banco-de-dados-modelo-conceitual-4j0g</guid>
      <description>&lt;p&gt;Como um processo padrão na engenharia, a modelagem de um banco de dados torna-se indispensável para mitigar problemas em sua construção. Antes de desenvolvê-lo e alimentá-lo com informações, é fundamental planejar sua estrutura e como o mundo real será representado por meio dos dados. A etapa de modelagem de dados consiste no planejamento estrutural do sistema, a fim de garantir que a representação seja precisa e eficiente, padronizando a forma como os dados são descritos. &lt;/p&gt;

&lt;p&gt;De forma complementar, os modelos de dados atuam como ferramentas que ilustram como as estruturas de suporte aos processos de negócio serão construídas, além de detalharem a organização dessas informações e os relacionamentos estabelecidos entre elas. Dessa maneira, a modelagem de dados distingue-se do modelo de dados porque a primeira refere-se ao processo de criação, enquanto o segundo constitui o produto final.&lt;br&gt;
A construção efetiva de um banco de dados passa por processos de especificação que vão de modelos mais abstratos a mais detalhados. Os conceitos e as necessidades do sistema são estruturados para que possam ser validados com os usuários em um nível compreensível, mas também apresentam regras definidas e maior complexidade para que os analistas possam consolidá-los.&lt;/p&gt;

&lt;p&gt;O projeto deve iniciar com a análise de requisitos, levantados por meio de reuniões com diversos grupos de interesse. Esses encontros têm como objetivo extrair informações sobre o armazenamento exigido pelas aplicações, bem como identificar as operações mais frequentes que demandam otimização. Posteriormente, utilizam-se essas informações para construir o projeto conceitual, contemplando os requisitos validados pelos usuários. Esses modelos — denominados modelos de dados de alto nível, conceituais ou semânticos — são elaborados de forma abstrata e independente de tecnologias específicas, pois têm maior proximidade com os usuários de negócio e facilitam o entendimento.&lt;/p&gt;

&lt;p&gt;Subsequentemente, ocorre a fase de construção do projeto lógico do banco de dados. Essa etapa consiste no refinamento do modelo conceitual anterior para abranger maiores detalhes, originando o modelo de dados lógico, também denominado representativo ou representacional. Nesse nível, os conceitos ainda podem ser compreendidos pelos usuários de negócio, mas já refletem a estrutura de organização dos dados. Assim, a documentação é preparada para ser mapeada no SGBD escolhido, embora ainda oculte os detalhes físicos de armazenamento em disco. Ramakrishnan e Gehrke afirmam que essa é uma etapa apropriada para adoção de refinamento dos modelos, revisando a qualidade do que já foi produzido.  &lt;/p&gt;

&lt;p&gt;Na etapa seguinte, a etapa de projeto físico de banco de dados, o modelo produzido anteriormente é traduzido em um modelo de baixo nível, também denominado modelo físico. Esse modelo deve descrever a estrutura do banco de dados de modo próximo a como os dados serão armazenados, de forma mais técnica, incluindo detalhes de acesso físico, desempenho, armazenamento, partições. Para a construção desse modelo, já se deve ter como base o SGBD específico e as estruturas técnicas para implementação. Por fim, o fluxo conclui-se com o desenvolvimento do aplicativo que consumirá os dados armazenados, considerando aspectos como segurança e permissões de visualização por perfil de usuário.&lt;/p&gt;

&lt;h2&gt;
  
  
  Modelo Entidade Relacionamento
&lt;/h2&gt;

&lt;p&gt;O modelo entidade-relacionamento, ou modelo ER, tem como base a estruturação de um conjunto de entidades e seus relacionamentos a fim de descrever o contexto, ou minimundo. As notações mais comuns para representar graficamente o modelo ER se dão a partir dos diagramas ER, nos quais os mais frequentemente utilizados são denominados Pé de Galinha (Crow's Foot), Peter Chen, IDEF1X, Barker e UML. Cada estilo varia na forma como representa as entidades, os atributos e as cardinalidades dos relacionamentos.&lt;/p&gt;

&lt;p&gt;Nesse contexto, as entidades são os elementos fundamentais do diagrama, representando os objetos, sejam eles concretos ou conceitos abstratos do mundo real. A notação de Peter Chen é a representação clássica e original do modelo entidade-relacionamento, muito utilizada no meio acadêmico e na fase conceitual. Ela ilustra entidades como retângulos, atributos como elipses e relacionamentos como losangos conectados por linhas com números ou letras (1, N, M) para indicação das cardinalidades. Complementarmente, cada entidade possui atributos, ou propriedades que descrevem suas características específicas.&lt;/p&gt;

&lt;p&gt;Os relacionamentos entre duas entidades é estruturada a partir de representações na forma de losangos ligando os retângulos e seus atributos que representam as entidades e suas características. Outra representação comumente utilizada é sem a indicação dos atributos, omitindo-os para que não haja sobrecarga visual. Os relacionamentos também podem ser apresentados de forma auto-relacionada ou relacionamento recursivo, ocorrendo quando as ocorrências de uma entidade se relacionam com outras ocorrências dessa mesma entidade. &lt;/p&gt;

&lt;h2&gt;
  
  
  Classificação dos Atributos
&lt;/h2&gt;

&lt;p&gt;No contexto de Modelagem de Dados, ou Modelo Entidade-Relacionamento, os atributos (características que descrevem a entidade) são classicamente divididos em quatro categorias principais e outras variações importantes. Os &lt;strong&gt;simples&lt;/strong&gt;, ou &lt;strong&gt;atômicos&lt;/strong&gt;, não podem ser divididos em partes menores e representam um único valor elementar (ex: CPF ou Idade). Os &lt;strong&gt;compostos&lt;/strong&gt; podem ser divididos em subatributos com significados próprios (ex: Endereço, dividido em Rua, Número e CEP). Os &lt;strong&gt;multivalorados&lt;/strong&gt; podem ter um conjunto de múltiplos valores para uma mesma instância de entidade (ex: Telefones de um mesmo cliente), diferente dos monovalorados, que possuem apenas um único valor para cada instância.&lt;/p&gt;

&lt;p&gt;Outras variações importantes são os atributos-chave (ou identificadores), os derivados e os armazenados. Os &lt;strong&gt;atributos-chave&lt;/strong&gt; identificam de forma única cada instância de uma entidade, impedindo valores repetidos (ex.: Matrícula ou ID). Embora atuem como chaves primárias, no modelo ER eles são chamados apenas de chaves ou identificadores, comportando-se como chaves candidatas — diferentemente do modelo relacional, que formaliza o conceito de 'chave primária'. &lt;/p&gt;

&lt;p&gt;Já o &lt;strong&gt;atributo derivado&lt;/strong&gt; consolida um valor não armazenado fisicamente, mas calculado a partir de outros dados (ex.: Idade, obtida pela data de nascimento e pela data atual). O atributo armazenado tem seu valor efetivamente gravado no banco de dados (ex.: Data de Nascimento). Os &lt;strong&gt;atributos descritivos&lt;/strong&gt; têm a intenção de descrever as características de determinada entidade e o atributo nominativo é usado para identificar a entidade. Por fim, o &lt;strong&gt;atributo referencial&lt;/strong&gt; não se comporta como atributo da entidade, mas sim do relacionamento entre as entidades, fornecendo informações sobre as ligações entre elas.&lt;/p&gt;

&lt;h2&gt;
  
  
  Cardinalidade dos relacionamentos
&lt;/h2&gt;

&lt;p&gt;A cardinalidade em banco de dados define a quantidade mínima e máxima de ocorrências de uma entidade que podem se associar a outra dentro de um relacionamento. Ela funciona como uma tradução direta das regras de negócio para o Diagrama Entidade-Relacionamento (DER) e garante que o mundo real seja representado corretamente nas tabelas do sistema.&lt;/p&gt;

&lt;p&gt;Na prática, a cardinalidade é dividida em dois aspectos fundamentais: a cardinalidade máxima e a cardinalidade mínima. A cardinalidade máxima indica o limite superior de registros que podem se relacionar, respondendo à pergunta de quantos elementos no máximo participam daquela ligação. Já a cardinalidade mínima aponta a obrigatoriedade do relacionamento, definindo se a associação é opcional, representada pelo número zero, ou obrigatória, representada pelo número um.&lt;/p&gt;

&lt;p&gt;O relacionamento um para um (1:1) ocorre quando um registro de uma tabela A pode estar ligado a no máximo um registro de uma tabela B, e vice-versa. Um exemplo clássico é a relação entre um funcionário e seu crachá de identificação exclusivo, onde cada pessoa possui apenas um crachá ativo e cada crachá pertence a somente um trabalhador. Na implementação no banco de dados, a chave primária de uma das tabelas costuma ser usada como chave estrangeira para a outra, geralmente aplicando uma restrição de unicidade para impedir duplicidade. &lt;/p&gt;

&lt;p&gt;O relacionamento um para muitos (1:N) é o mais comum nos sistemas e acontece quando um registro da tabela A pode se associar a vários registros da tabela B, mas cada registro da tabela B está ligado a apenas um registro da tabela A. A representação pode ser contextualizada na relação entre um cliente e seus pedidos em uma loja virtual, pois um único cliente pode fazer dezenas de compras ao longo do tempo, mas cada pedido específico pertence a um único comprador. No modelo relacional, esse cenário é resolvido colocando a chave primária do lado “um” como chave estrangeira na tabela do lado “muitos”.&lt;/p&gt;

&lt;p&gt;O relacionamento muitos para muitos (N:N) acontece quando vários registros da tabela A podem se conectar a vários registros da tabela B simultaneamente. Um bom exemplo é a ligação entre alunos e disciplinas em uma faculdade, já que um estudante se matricula em várias matérias e cada matéria possui diversos estudantes inscritos. Como os bancos de dados relacionais não suportam essa ligação diretamente entre as duas tabelas, cria-se uma terceira tabela intermediária, conhecida como tabela associativa, que recebe as chaves primárias das duas tabelas originais para organizar as combinações. &lt;/p&gt;

&lt;p&gt;A leitura de um Diagrama Entidade-Relacionamento exige atenção ao posicionamento dos símbolos, pois existem duas convenções visuais muito comuns no mercado: a notação de Peter Chen (com parênteses) e a notação Pé de Galinha (Crow's Foot). Na notação de Peter Chen, a leitura é feita cruzando as entidades e olhando para a extremidade oposta da linha. Para ler a relação da entidade A para a entidade B, você parte do nome da entidade A, passa pelo verbo do losango de relacionamento e lê o par de números que está encostado na entidade B. Por exemplo, se entre Cliente e Pedido houver o par (0,N) encostado em Pedido, lê-se: "Um Cliente pode realizar no mínimo zero e no máximo vários Pedidos". Fazendo o caminho inverso, se houver (1,1) encostado em Cliente, lê-se: "Um Pedido pertence a, no mínimo, um e, no máximo, um Cliente".&lt;/p&gt;

&lt;p&gt;Na notação Pé de Galinha (Crow's Foot), muito utilizada em ferramentas modernas como MySQL Workbench e brModelo (em modo lógico), os números são substituídos por símbolos gráficos na ponta das linhas. Um traço vertical (|) significa "um", um círculo (O) significa "zero" e três linhas abertas formando um pé de galinha (&amp;lt;) significam "muitos". A leitura segue a mesma direção cruzada: olha-se para os dois símbolos mais próximos da entidade de destino, sendo que o símbolo mais interno (longe da caixa) representa a cardinalidade mínima e o símbolo mais externo (encostado na caixa) representa a cardinalidade máxima.&lt;/p&gt;

&lt;h2&gt;
  
  
  Grau dos relacionamentos
&lt;/h2&gt;

&lt;p&gt;O grau de um relacionamento em banco de dados indica quantas entidades diferentes participam simultaneamente de uma mesma associação na modelagem conceitual. Enquanto a cardinalidade define a quantidade de registros que se conectam, o grau foca na quantidade de conjuntos de entidades envolvidos no vínculo, sendo dividido principalmente em unitário, binário, ternário e n-ário.&lt;/p&gt;

&lt;p&gt;O relacionamento unitário, também chamado de autorelacionamento, ocorre quando uma entidade se relaciona com ela mesma. Isso significa que registros dentro de uma mesma tabela possuem algum tipo de vínculo hierárquico ou de associação direta entre si. Um exemplo clássico é a entidade Funcionário em uma empresa, na qual um funcionário pode gerenciar outros funcionários. Na prática, esse modelo exige que a tabela possua uma chave estrangeira que aponta para a própria chave primária, permitindo identificar quem é o superior imediato de cada colaborador sem a necessidade de criar uma tabela separada para gerentes.&lt;/p&gt;

&lt;p&gt;O relacionamento binário é o mais comum na modelagem de banco de dados e acontece quando duas entidades distintas são conectadas por um relacionamento. A grande maioria das regras de negócio no mundo real pode ser representada dessa forma, ligando dois conceitos diferentes do sistema. Por exemplo, considerando as entidades Cliente e Pedido em uma loja virtual, o relacionamento entre elas envolve exatamente essas duas partes, em que um cliente realiza vários pedidos e cada pedido pertence a um único cliente, estabelecendo uma ponte direta entre os dados cadastrais e as compras efetuadas.&lt;/p&gt;

&lt;p&gt;O relacionamento ternário surge quando três entidades distintas precisam estar associadas ao mesmo tempo para que o fato faça sentido no negócio. Ele é utilizado quando a conexão entre apenas duas entidades não é suficiente para representar a informação completa, exigindo uma terceira parte para dar contexto. O exemplo representativo pode se dar em um sistema hospitalar com as entidades Médico, Paciente e Medicamento, ligadas pelo relacionamento Prescreve. Não basta apenas saber qual médico atendeu qual paciente, nem apenas qual remédio o paciente tomou, pois é necessário registrar simultaneamente qual médico receitou qual medicamento específico para determinado paciente em uma consulta.&lt;/p&gt;

&lt;p&gt;Por fim, o relacionamento n-ário é a generalização para casos mais complexos em que quatro ou mais entidades participam juntas de uma mesma associação. Embora sejam menos frequentes, eles aparecem em cenários altamente específicos que demandam o cruzamento simultâneo de múltiplos fatores. Um exemplo seria um sistema de alocação universitária que conecta Professor, Disciplina, Sala e Horário ao mesmo tempo para definir uma aula. Na hora de transformar esse modelo conceitual para o banco de dados físico, tanto os relacionamentos ternários quanto os n-ários costumam virar uma tabela associativa própria, que guarda as chaves primárias de todas as entidades envolvidas.&lt;/p&gt;

&lt;h2&gt;
  
  
  Classificação das entidades
&lt;/h2&gt;

&lt;p&gt;Na modelagem de dados, as entidades representam objetos, pessoas, locais, ou conceitos do mundo real sobre os quais desejamos armazenar informações. Para organizar e estruturar corretamente um banco de dados, essas entidades são classificadas de acordo com sua dependência, existência e função dentro do sistema.&lt;/p&gt;

&lt;p&gt;A classificação fundamental divide as entidades em dois grandes grupos: Entidades Fortes e Entidades Fracas. Uma Entidade Forte é aquela que possui existência própria independente do banco de dados. Ela tem uma chave exclusiva capaz de identificar cada um de seus registros de forma única, sem precisar de ajuda de nenhuma outra tabela. Um exemplo clássico é a entidade “Cliente”, pois um cliente existe no sistema por si só, identificado pelo seu CPF ou código interno.&lt;/p&gt;

&lt;p&gt;Por outro lado, a Entidade Fraca (também chamada de subordinada ou filha) é aquela que não possui existência própria e depende totalmente de uma Entidade Forte (chamada de entidade proprietária ou identificadora) para existir e ser identificada. Ela não possui uma chave completa por si só, utilizando uma chave parcial, podendo ser atributos da própria entidade fraca, combinada com a chave da entidade forte à qual está ligada. Um exemplo é a entidade “Dependente” em um sistema de recursos humanos: o registro de um dependente só faz sentido se estiver vinculado a um “Funcionário” ativo, e se o funcionário for excluído, os dados de seus dependentes também perdem o sentido de existir.&lt;/p&gt;

&lt;p&gt;Além da dependência de existência, existe a Entidade Associativa, que surge para resolver um problema estrutural específico. Quando existe um relacionamento do tipo muito-para-muitos (N:N) entre duas entidades e há necessidade de armazenar informações próprias dessa conexão, o relacionamento ganha status de entidade. Por exemplo, entre as entidades “Aluno” e “Disciplina”, surge a entidade associativa “Matrícula”, que guarda atributos como a data de inscrição e a nota final, permitindo que o banco de dados relacional represente essa ligação de maneira eficiente.&lt;/p&gt;

&lt;p&gt;Por fim, na modelagem avançada (MER Estendido), encontra-se a classificação hierárquica entre Superentidades (ou entidades genéricas) e Subentidades (ou entidades especializadas). A superentidade agrupa atributos comuns a vários elementos, enquanto as subentidades herdam essas características e adicionam atributos específicos. Por exemplo, pode-se contemplar a superentidade “Pessoa” (com nome e endereço) e as subentidades “Pessoa Física” (com CPF) e “Pessoa Jurídica” (com CNPJ), evitando a repetição desnecessária de dados e tornando o projeto mais limpo e organizado.&lt;/p&gt;

&lt;h2&gt;
  
  
  Agregação
&lt;/h2&gt;

&lt;p&gt;A agregação em banco de dados é uma técnica de modelagem que trata um relacionamento e suas entidades participantes como uma única entidade de nível superior. Esse recurso resolve uma limitação clássica do Modelo Entidades-Relacionamento, que não permite conectar um relacionamento diretamente a outro.&lt;/p&gt;

&lt;p&gt;Na modelagem tradicional de dados, os relacionamentos servem apenas para conectar entidades entre si. Quando uma regra de negócio exige registrar informações sobre um vínculo que já existe entre duas ou mais entidades, o modelo padrão trava. Em um cenário em que um Médico realiza uma Consulta com um Paciente, essa consulta gera uma prescrição de medicamentos. A prescrição não pertence apenas ao médico ou apenas ao paciente de forma isolada. Ela depende diretamente do ato da consulta já ocorrido entre os dois, exigindo que o relacionamento “Consulta” seja tratado como um objeto próprio para se ligar à entidade “Medicamento”.&lt;/p&gt;

&lt;p&gt;Para aplicar a agregação, desenha-se um retângulo ao redor do relacionamento e das entidades que o compõem. Esse bloco inteiro passa a funcionar visualmente e logicamente como uma nova entidade abstrata, capaz de participar de outros relacionamentos no diagrama. Quando o diagrama com agregação é levado para o projeto lógico (tabelas), não se cria uma tabela extra apenas para a caixa de agregação em si. Na prática, a estrutura é convertida usando as chaves primárias das entidades envolvidas para formar uma tabela associativa. A tabela resultante do relacionamento principal recebe as chaves das entidades originais, formando uma chave composta. Em seguida, a nova entidade ou relacionamento ligado à agregação referencia essa chave composta para manter a integridade dos dados.&lt;/p&gt;

&lt;p&gt;Embora os termos Agregação e Composição apareçam juntos na engenharia de software, eles possuem focos distintos no contexto de dados. A agregação no MER foca em abstrair um relacionamento inteiro para conectá-lo a outras partes do sistema. Já na programação orientada a objetos e na UML, a agregação indica uma relação de "todo e parte" onde as partes podem existir de forma independente do todo. No banco de dados conceitual, o objetivo principal é evitar redundâncias e representar dependências complexas de negócio sem quebrar as regras do diagrama.&lt;/p&gt;

&lt;h2&gt;
  
  
  IDEF1X
&lt;/h2&gt;

&lt;p&gt;O IDEF1X é uma linguagem visual padronizada utilizada para representar modelos lógicos de dados relacionais. Graficamente, as entidades são representadas por retângulos com pontas retas para entidades independentes e pontas arredondadas para entidades dependentes ou fracas, contendo seus nomes no topo. Os atributos, que definem as características dessas entidades, incluem as chaves primárias (PK) separadas por uma linha horizontal, chaves alternativas (AK) e chaves estrangeiras (FK) que resultam da migração de identificadores para conectar diferentes tabelas.&lt;/p&gt;

&lt;p&gt;Os relacionamentos exibem as associações entre instâncias das entidades e classificam-se em não-específicos e específicos. O relacionamento não-específico ocorre na proporção de muitos para muitos (N:M), representado graficamente por uma linha com dois círculos nas pontas. Já os relacionamentos específicos abrangem as cardinalidades 1:1 e 1:N, subdividindo-se em categorização e conexão. A categorização modela a herança ou generalização entre uma entidade genérica e categorias que podem formar um grupo completo (representado por linha dupla sob uma circunferência) ou incompleto (linha simples). Os relacionamentos de conexão, por sua vez, ligam uma entidade genitora a uma filha e podem ser identificadores — quando a chave da genitora compõe a chave primária da filha fraca — ou não-identificadores, representados por linhas pontilhadas que podem ser mandatórias ou opcionais conforme a cardinalidade mínima.&lt;/p&gt;

</description>
      <category>backend</category>
      <category>database</category>
      <category>softwareengineering</category>
    </item>
    <item>
      <title>Fundamentos de Banco de Dados</title>
      <dc:creator>Max Santos</dc:creator>
      <pubDate>Mon, 16 Nov 2026 21:07:38 +0000</pubDate>
      <link>https://dev.to/max_santos/fundamentos-de-banco-de-dados-29kj</link>
      <guid>https://dev.to/max_santos/fundamentos-de-banco-de-dados-29kj</guid>
      <description>&lt;p&gt;Os bancos de dados se configuram como uma tecnologia essencial na vida moderna. A utilização de aparelhos tecnológicos computacionais estruturou a sociedade em uma interação constante com dados armazenados para realização de tarefas cotidianas. Ao acessar uma ferramenta no celular, no computador ou pela internet, o usuário interage diretamente com algum banco de dados. Portanto, esses sistemas desempenham um papel crítico em quase todas as áreas nas quais os computadores são utilizados.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Dados&lt;/strong&gt; podem ser definidos como observações ou medições sobre o mundo armazenadas em algum formato para consulta posterior. Elmasri e Navathe afirmam que dados são fatos conhecidos que podem ser registrados e que possuem significado implícito. Date, por sua vez, afirma que, em contextos práticos e computacionais, dado é aquilo que está armazenado no banco de dados.&lt;/p&gt;

&lt;p&gt;Em contrapartida, Date apresenta o conceito de &lt;strong&gt;informação&lt;/strong&gt; diferenciando-o de dados por conter significado contextualizado para determinado usuário. Nesse sentido, a &lt;strong&gt;informação&lt;/strong&gt; resulta do processamento, da manipulação e da organização do dados, de modo a representar um acréscimo ao conhecimento. Contudo, na prática do desenvolvimento de sistemas, os termos “dados” e “informação” são frequentemente utilizados de forma intercambiável, embora mantenha suas distinções teóricas.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Dados estruturado&lt;/strong&gt; são aqueles cuja arquitetura segue um modelo predefinido e rígido. Dessa forma, eles obedecem a um esquema de formatação fixa que especifica rigidamente suas características. Os &lt;strong&gt;dados não estruturados&lt;/strong&gt;, como afirma Coronel, apresentam-se em seu estado bruto ou nativo, sendo armazenados da mesma forma que foram coletados. Segundo o autor, a utilização desse formato dificulta a extração de informações, exigindo um pré-processamento para a organização ou imposição de alguma estrutura.&lt;/p&gt;

&lt;p&gt;De forma intermediária, os &lt;strong&gt;dados semiestruturados&lt;/strong&gt; se apresentam como uma estrutura que contém uma formatação, mas não se mantém fixa e precisa. Embora apresentem regras em padrão próprio, não precisam conter de forma exata e precisa. Embora apresentem regras em padrão próprio, não precisam conter de forma exata as mesmas características entre si, podendo um tipo de dado ser armazenado de formas diferentes. Para organizar esse tipo de dado, costuma-se utilizar notações e linguagens flexíveis baseadas em tags e marcadores, como o XML (&lt;em&gt;Extensible Markup Language&lt;/em&gt;) e JSON (&lt;em&gt;JavaScript Object Notation&lt;/em&gt;).&lt;/p&gt;

&lt;h2&gt;
  
  
  &lt;strong&gt;Banco de Dados e SGBDs&lt;/strong&gt;
&lt;/h2&gt;

&lt;p&gt;A definição de um &lt;strong&gt;banco de dados&lt;/strong&gt; pode ser apresentada como uma coleção organizada de dados inter-relacionados, que contêm significado e informações implícitas sobre um domínio específico. Dessa forma, para que os dados se configurem como um banco de dados, é necessário que estejam inseridos em um contexto e o representem. De acordo com Elmasri e Navathe, as propriedades necessárias para definir corretamente um &lt;strong&gt;banco de dados&lt;/strong&gt; consistem em: representar algum aspecto do mundo real (domínio), denominado minimundo ou universo de discurso; construir uma coleção logicamente coerente de dados com significado inerente; e ser projetado, construído e populado com dados para uma finalidade específica.&lt;/p&gt;

&lt;p&gt;Assim, o banco de dados descreve um recorte da realidade. Ao sofrer modificações, esse recorte deve se refletir nos dados armazenados, mantendo o paralelo com as ações do mundo real de forma precisa e confiável. Esses dados não devem ser apresentados de forma aleatória, mas sim em uma estrutura de relações e regras que lhes conferem sentido, perante a realidade, atendendo a um grupo definido de usuários e a aplicações que permitem, principalmente, a recuperação de informações.&lt;/p&gt;

&lt;p&gt;A necessidade de operacionalizar e gerenciar um grande acervo de dados sujeitava os usuários a problemas como desorganização, perda e redundância de informações. Isso acarretava um ambiente inconsistente, no qual as regras e a coerência lógica eram constantemente violadas. A partir dessas problemáticas surgiram os &lt;strong&gt;Sistemas de Gerenciamento de banco de dados (SGBDs)&lt;/strong&gt;, os quais Elmasri e Navathe definem como uma coleção de programas de uso geral que possibilita a criação, manutenção e compartilhamento dos dados.&lt;/p&gt;

&lt;p&gt;Os &lt;strong&gt;SGBDs&lt;/strong&gt; permitem a definição e a construção de um banco de dados, com a especificação e as restrições de toda sua estrutura, bem como dos dados que estão ou serão armazenados. Além disso, permitem a manipulação e o compartilhamento das informações, possibilitando que diversos usuários e programas acessem de forma simultânea. Complementarmente, os SGBDs devem garantir a proteção e a segurança contra falhas de hardware e software, assim como a atuação contra o acesso não autorizado ou malicioso, garantindo sua manutenção e evolução ( adição de novos campos e atualizações das regras ) de forma segura.&lt;/p&gt;

&lt;p&gt;O tamanho e a complexidade dos bancos de dados podem variar de forma considerável. Eles podem ser pequenos e simples, como uma lista de nomes e endereços com centenas de registros, ou grandes e complexos, como o sistema de um banco comercial com milhares de usuários e transações diárias.&lt;/p&gt;

&lt;p&gt;Vale ressaltar que o SGBD não é absolutamente necessário para implementação de um banco de dados computadorizado. Assim, um software alternativo próprio pode ser desenvolvido para realizar as mesmas funcionalidades, mas a complexidade no desenvolvimento torna necessária a utilização de um SGBD já disponível, seja de código aberto ou privado. Assim, a união do banco de dados com um SGBD é denominada Sistema de Banco de Dados, o qual compreende, segundo Date, quatro componentes principais: dados, hardware, software e usuários.&lt;/p&gt;

&lt;p&gt;A demanda pelo processamento cada vez mais complexo e de baixa latência tornou ineficiente o armazenamento estruturado diretamente pelos programas em arquivos isolados. Além disso, o compartilhamento de dados em locais diferentes gerava um problema crítico de inconsistência para as aplicações. Assim, a adoção de um banco de dados centralizado tornou-se a abordagem mais eficaz. A centralização por meio de um SGBD combate falhas graves, como a redundância de dados e a ineficiência operacional. Isso evita que as informações sejam duplicadas em vários locais, reduzindo o desperdício de espaço e o esforço necessário para realizar as atualizações.&lt;/p&gt;

&lt;p&gt;Os SGBDs manipulam seus dados armazenados de forma correta a partir de uma autodescrição dos próprios dados. Essa estratégia é denominada natureza autodescritiva do sistema de banco de dados. Por meio do objeto chamado catálogo de dados, dicionário de dados ou metadados, os SGBDs guardam a descrição dos dados, assim como a definição completa e integrada de sua estrutura e suas restrições.&lt;/p&gt;

&lt;p&gt;Sendo assim, os &lt;strong&gt;metadados&lt;/strong&gt; são informações estruturadas adicionais, relativas a certo conjunto de dados, que podem ser utilizadas para descrevê-los, explicá-los, localizá-los e manipulá-los de forma eficiente, tornando-os mais fáceis de recuperar, usar ou gerenciar. Na prática, eles definem a estrutura do banco de dados, os tipos de dados ( inteiro, caractere, texto ), além de diversas restrições sobre esses dados — como permitir apenas números positivos.&lt;/p&gt;

&lt;p&gt;Quanto à &lt;strong&gt;abstração&lt;/strong&gt; e à &lt;strong&gt;independência&lt;/strong&gt; proporcionadas pelos SGBDs, as aplicações interagem com os dados sem precisar conhecer sua estrutura física de armazenamento. Os programas apenas solicitam a informação, enquanto o sistema gerenciador se encarrega de buscá-la e entregá-la com precisão. Essa separação garante que mudanças na estrutura interna do banco não impactam o funcionamento das aplicações.&lt;/p&gt;

&lt;p&gt;Como operam de forma centralizada, os SGBDs devem garantir que os usuários tenham acesso restrito às informações de acordo com suas categorias e permissões específicas. Para isso, a &lt;strong&gt;segurança&lt;/strong&gt; é assegurada por meio do conceito de &lt;strong&gt;Visões de Dados (Views)&lt;/strong&gt;, que criam recortes personalizados das informações, limitando o que pode ser visualizado ou manipulado.&lt;/p&gt;

&lt;p&gt;Por ser uma das características que distinguem os SGBDs das abordagens tradicionais, a &lt;strong&gt;operação multiusuário&lt;/strong&gt; permite que diversas pessoas e aplicações acessem o banco simultaneamente. Entretanto, sem o devido gerenciamento, esse acesso concorrente pode causar a sobrescrita de dados e gerar inconsistências. Para evitar esse problema, os sistemas implementam mecanismos de controle de concorrência.&lt;/p&gt;

&lt;h2&gt;
  
  
  &lt;strong&gt;Transações e ACID&lt;/strong&gt;
&lt;/h2&gt;

&lt;p&gt;Segundo Date, as transações em um banco de dados mediado pelo SGBD representam uma unidade lógica de trabalho com começo e fim, envolvendo diversas operações. Elmasri e Navathe complementam essa ideia definindo transação como uma execução ou processo realizado por um programa que inclui um ou mais acessos ao banco de dados, como a leitura, atualização, apagamento ou inserção de novas informações nos registros.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;atomicidade&lt;/strong&gt;, por sua vez, é a garantia de que a transação será concluída com sucesso ou totalmente cancelada, sendo tratada como uma operação lógica única, mesmo que diversas ações sejam realizadas. Isso estabelece a regra de que, caso qualquer instrução falhe, todo o processo será desfeito e o banco de dados permanecerá inalterado. Ou seja, ou a transação ocorre de forma completa (operação denominada &lt;em&gt;commit&lt;/em&gt;) ou não ocorre de forma alguma (ação denominada &lt;em&gt;rollback&lt;/em&gt;). A responsabilidade de garantir a atomicidade é destinada ao Subsistema de Recuperação do SGBD.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;consistência&lt;/strong&gt; garante que a transação só levará o banco de dados de um estado consistente para outro igualmente consistente. Assim, uma transação só pode ser finalizada se todos os dados e regras forem preservados. Essa garantia é assegurada pelos próprios programadores, com auxílio do Módulo de Restrição de Integridade do SGBD.&lt;/p&gt;

&lt;p&gt;O &lt;strong&gt;isolamento&lt;/strong&gt; garante que as transações, mesmo sob execução concorrente, ocorram de forma independente umas das outras. Desse modo, vários usuários e programas realizam operações simultâneas no banco de dados sem interferir uns aos outros, assemelhando-se a uma execução sequencial (uma após a outra). A responsabilidade por garantir o isolamento cabe ao Subsistema de Controle de Concorrência do SGBD.&lt;/p&gt;

&lt;p&gt;Já a &lt;strong&gt;durabilidade&lt;/strong&gt; é a garantia de que uma transação confirmada (&lt;em&gt;commit&lt;/em&gt;) seja persistida mesmo em caso de falha do sistema. Assim, os dados permanecem gravados em armazenamento permanente (não volátil), sem a ocorrência de eventos que modifiquem ou desfaçam a ação ao longo do tempo, cabendo também ao Subsistema de Recuperação do SGBD assegurar essa propriedade.&lt;/p&gt;

&lt;h2&gt;
  
  
  &lt;strong&gt;Arquitetura do Sistema de Banco de Dados&lt;/strong&gt;
&lt;/h2&gt;

&lt;p&gt;A &lt;strong&gt;arquitetura de banco de dados&lt;/strong&gt; é o projeto estrutural que define como os dados são organizados, armazenados, acessados e gerenciados em um sistema. Como já informado anteriormente, esse sistema é composto por quatro elementos básicos: os dados, que contêm as informações reais salvas; o hardware, que consiste no computador ou servidor físico onde tudo está gravado; o software (SGBD), responsável por gerenciar o acesso, a segurança e a leitura/gravação; e os usuários, isto é, as pessoas ou sistemas que realizam as transações nos dados, alterando-os ou consultando-os.&lt;/p&gt;

&lt;p&gt;Em 1975, o Comitê de Planejamento e Requisitos de Padrões ANSI/X3/SPARC propôs uma arquitetura em 3 esquemas, denominada arquitetura ANSI/SPARC, para os SGBDs. Essa arquitetura auxiliou no alcance das características de autodescrição, isolamento e suporte a múltiplos usuários. A primeira camada é denominada &lt;strong&gt;nível interno&lt;/strong&gt;, também conhecido como &lt;strong&gt;nível de armazenamento&lt;/strong&gt;. Ela descreve a estrutura do armazenamento físico do banco nos discos, detalhando a gravação e os caminhos de acesso aos dados, definidos por meio de um modelo interno (ou &lt;strong&gt;modelo físico&lt;/strong&gt;). Cabe ressaltar que os dados reais encontram-se apenas nessa camada, gravados em disco.&lt;/p&gt;

&lt;p&gt;Em sequência, tem-se o &lt;strong&gt;nível conceitual&lt;/strong&gt;, ou &lt;strong&gt;nível lógico&lt;/strong&gt;. Ele descreve a estrutura do banco de dados inteiro para uma comunidade de usuários, ocultando os detalhes das estruturas de armazenamento físico e concentrando-se na descrição de entidades, tipo de dados, relacionamentos, operações do usuário e restrições, descritos a partir de um modelo conceitual. Por fim, o &lt;strong&gt;nível externo&lt;/strong&gt;, ou &lt;strong&gt;nível de visão&lt;/strong&gt;, inclui uma série de esquemas ou visões de usuários. Essa camada apresenta estruturas que descrevem apenas uma parte do banco de dados de interesse de um grupo específico, ocultando o restante e diferenciando os dados a que cada perfil pode ter acesso.&lt;/p&gt;

&lt;p&gt;A &lt;strong&gt;arquitetura em três camadas&lt;/strong&gt;, ou esquemas, se configura como um modelo de SGBD que visa garantir a independência de dados. Esse conceito define-se como a capacidade de alteração do esquema de um nível sem afetar o nível imediatamente superior. Isso é possível porque o SGBD mantém mapeamentos ( links ) entre as camadas e os ajusta quando um objeto muda, permitindo que o nível superior continue a encontrá-lo.&lt;/p&gt;

&lt;p&gt;Para isso, o esquema em três camadas necessita de dois tipos de mapeamento: o &lt;strong&gt;conceitual/interno&lt;/strong&gt; e o &lt;strong&gt;externo/conceitual&lt;/strong&gt;, que possibilita a independência física e lógica dos dados, respectivamente. O mapeamento &lt;strong&gt;conceitual/interno&lt;/strong&gt; especifica como os campos do nível conceitual são representados no nível interno. Isso garante a independência física, permitindo alterar o esquema interno (estrutura de armazenamento físico do banco de dados) sem modificar o esquema conceitual. Contudo, pode ser necessária a alteração do mapeamento para que o nível conceitual permaneça invariável.&lt;/p&gt;

&lt;p&gt;Já o mapeamento &lt;strong&gt;externo/conceitual&lt;/strong&gt; define a correspondência entre uma visão externa — usada pelos programas de aplicação — e a visão conceitual. Isso garante a independência lógica, permitindo manipular o esquema conceitual (estrutura lógica) sem afetar o funcionamento dos esquemas externos ou dos programas que os utilizam. Assim como no caso anterior, pode ser necessária a alteração do mapeamento para que o esquema externo permaneça invariável.&lt;/p&gt;

&lt;h2&gt;
  
  
  &lt;strong&gt;Atores&lt;/strong&gt;
&lt;/h2&gt;

&lt;p&gt;Devido à complexidade de manter um banco de dados em grandes organizações, com variados tipos de usuários participando do projeto, do uso e da manutenção, é necessário um responsável por definir as regras da empresa. Em vez de cada área de negócio decidir o que guardar, como guardar e quem pode acessar, essas decisões ficam centralizadas em uma pessoa ou papel.&lt;/p&gt;

&lt;p&gt;O &lt;strong&gt;Administrador de Dados&lt;/strong&gt; (DA, &lt;em&gt;Data Administrator&lt;/em&gt;) atua com foco estratégico e de gestão, sendo o principal responsável pela governança e pelas políticas de tratamento das informações dentro de uma organização. Em vez de lidar com as tarefas técnicas e cotidianas, esse profissional analisa o negócio como um todo para definir quais dados são relevantes, como devem ser geridos e quais regras precisam seguir. Dessa forma, o DA atua como um gestor de negócios que mantém a visão abstrata das informações, liderando a criação dos modelos lógico e conceitual do banco de dados para alinhá-los aos objetivos da empresa.&lt;/p&gt;

&lt;p&gt;O &lt;strong&gt;Administrador de Banco de Dados&lt;/strong&gt; (DBA, &lt;em&gt;Database Administrator&lt;/em&gt;) é o profissional técnico responsável pela supervisão e gestão diária tanto do banco de dados quanto do SGBD. De acordo com o autor C. J. Date, suas funções principais incluem a criação da estrutura interna do banco, a definição de regras de segurança e integridade, bem como rotinas de cópia e migração de dados (como &lt;em&gt;backup&lt;/em&gt; e &lt;em&gt;restore&lt;/em&gt;). Além disso, o DBA atua diretamente no monitoramento de desempenho, na adaptação do sistema a novas demandas e na comunicação com os usuários para assegurar que as informações necessárias estejam sempre disponíveis.&lt;/p&gt;

&lt;p&gt;De forma complementar, segundo Elmasri e Navathe, o DBA desempenha um papel essencial na manutenção operacional, segurança e eficiência do ambiente de dados. Na área de segurança, esse profissional gerencia usuários, perfis e permissões, além de auditar acessos e responder a incidentes para assegurar a integridade e a confidencialidade das informações. Para garantir a continuidade do negócio, o DBA realiza e testa backups, configura sistemas de replicação e alta disponibilidade e planeja atualizações. No âmbito da performance (&lt;em&gt;tuning&lt;/em&gt;), ele otimiza consultas, particiona dados e monitora estatísticas e recursos de hardware, como CPU, memória e armazenamento. Além disso, completa suas funções aplicando correções (patches), automatizando rotinas, acompanhando alertas e dimensionando a infraestrutura conforme o crescimento da demanda.&lt;/p&gt;

&lt;p&gt;Segundo Elmasri e Navathe, os &lt;strong&gt;Projetistas de Banco de Dados&lt;/strong&gt; (ou &lt;em&gt;Designers&lt;/em&gt;) atuam antes da implementação e inserção dos dados para identificar o que precisa ser armazenado e estruturar o sistema. Embora tenham um perfil mais voltado ao negócio do que os DBAs, eles desempenham um papel híbrido e essencial na equipe. Na prática, eles conversam com os usuários para levantar requisitos e entender quais informações e respostas o sistema precisa fornecer. Além de criar modelos conceituais de alto nível, esses profissionais também se aprofundam em detalhes técnicos para projetar a estrutura física do banco de dados em conjunto com os administradores.&lt;/p&gt;

&lt;p&gt;Os &lt;strong&gt;usuários finais&lt;/strong&gt; são profissionais que manipulam dados no dia a dia de trabalho e se dividem em quatro categorias principais, segundo os autores Elmasri e Navathe. Os usuários casuais, geralmente gerentes, acessam o banco de dados apenas ocasionalmente por meio de linguagens de consulta avançadas. Já os usuários iniciantes (ou paramétricos) realizam tarefas repetitivas e constantes usando telas e transações já padronizadas nos sistemas. Os usuários sofisticados, como engenheiros, cientistas e analistas, dominam as ferramentas do SGBD para criar suas próprias aplicações e resolver demandas complexas. Por fim, os usuários isolados gerenciam bancos de dados pessoais utilizando softwares prontos com interfaces gráficas simples e intuitivas.&lt;/p&gt;

&lt;h2&gt;
  
  
  &lt;strong&gt;Vantagens dos Bancos de Dados e SGBDs&lt;/strong&gt;
&lt;/h2&gt;

&lt;p&gt;Os Bancos de Dados e SGBDs oferecem vantagens técnicas essenciais para gerenciar informações com eficiência, segurança e confiabilidade. Em primeiro lugar, eles garantem o controle da redundância ao armazenar cada dado em um único local, evitando duplicações e incoerências (ou mantendo cópias sincronizadas sob regras rígidas quando o foco é desempenho). Além disso, o SGBD assegura a integridade e a persistência das informações, aplicando regras de validação para impedir valores inválidos e salvando objetos de programas de forma permanente, mesmo após o encerramento da execução.&lt;/p&gt;

&lt;p&gt;No âmbito da estrutura e do uso, o sistema permite representar e atualizar relacionamentos complexos entre diferentes conjuntos de dados, contando com técnicas avançadas de armazenamento e busca que tornam as consultas muito mais rápidas. Somado a isso, a tecnologia protege os registros contra acessos não autorizados por meio de permissões e senhas, ao mesmo tempo em que oferece múltiplas interfaces, adaptando-se tanto a usuários casuais (via linguagens de consulta) quanto a desenvolvedores (via APIs).&lt;/p&gt;

&lt;p&gt;Há também garantia na padronização dos dados, como a definição de formatos específicos para datas, além de assegurar a disponibilidade imediata de informações atualizadas para todos os usuários simultaneamente. Por fim, o uso de um SGBD oferece grande flexibilidade, permitindo alterar a estrutura do banco sem prejudicar os dados existentes ou as aplicações já criadas. Como resultado, o tempo de desenvolvimento de novos sistemas é reduzido e obtém-se economia de escala, já que a centralização das informações elimina custos gerados por redundâncias e sobreposições.&lt;/p&gt;

</description>
      <category>backend</category>
      <category>computerscience</category>
      <category>data</category>
      <category>database</category>
    </item>
  </channel>
</rss>
