Banco de Dados

Banco de Dados

- É um conjunto de dados relacionados a uma finalidade
SGBD/ Sistema de Gerenciamento de Banco de Dados
1. -É um programa que gerencia dados
Administradores de banco de dados - Administra os recuros primário de secundário(Software)
Usuários Casuais
1. Nivel alto ultilizam uma liguagem sotisficada
2. usuarios Iniciantes ou parametreicos
  1. caixa de banco -feitos para serem usados
  2. Usuarios sofisticados
    1. são engenheiros... que implementam suas proprias apricações
Três Esquemas
1. Nível Externo/Esquema Externo
  1. -É a visão do usuário, será liberado uma pequena visão
2. Nível Conceitual/Equema Conceitual
  1. -Descreve como um todo e restinge o físico
3. Nível Interno/Esquema interno
  1. -Armazenamento físico
4. Independência Lógica
  1. -Atera o Conceitual, sem mudar os Externos
5. Independência Física
  1. - altera o interno, sem modificar o conceitual
Categorias de modelos de dados
1. 1ª etapa: Busca-se saber das necessidades do usuário
  1. 2ª etapa: Projeto Conceitual - Descrições detalhadas de tipos de entidade e relacionamento.
    1. Continuação: Especificação das necessidades funcionais
      1. 3 etapa: Projeto lógico ou mapeamento do modelo de dados realiza o mapeamento do esquema conceitual para o modelo de dados
        -tem como nomes representacional ou de implementação
        utilizado é o relacional
        4 etapa: Projeto físico que são definadas as estruturas de armazenamento interno
Tipos de Modelos de Dados
1. Modelo Hierarquico
  1. Primeiro, Estutura em arvore, ideal para modelar hierarqia foi superado
2. Modelo em Rede
  1. -Permite mais vinculação
3. Moldelo Relacional
  1. Usa-se uma coleção de tabelas/Relações para representar os dados
  2. Cada tabela possui Colunas. Cada Tabela Contem Tuplas. Cada tupla possui atributos.
  3. é O MODELO MAIS UTILIZADO NA FASE DE PROJETO LÓGIO
4. Modelo Entidade -Relacionamento
  1. é utilizado na fase do projeto conceitual que é anterior a fase do projeto lógico
  2. Uma entidade é um objeto algo real
  3. é ALTO NIVEL
5. Modelos de dados orientado a objetos
  1. Extensão do modelo ER
6. Modelo de dados objeto relacional
  1. -combina o modelo relaciona com o objeto
Modelo ER
1. Cardinallidade
  1. - Expresa o numero de entidades que ela pode associa-se por meio de um relacionamento
Modelo Relacional
1. -Ligado ao lógico, entre o conceitual e o físisco
2. -atributos são componentes das entidades
3. -metadados sãoas informações colocadas ao lado dos atributos
4. -Registro/Tuplas/linas
5. Tipos de atributos
  1. Compostos
    1. -divididos em partes iguais
  2. Simples/autônomos
    1. Indivisíveis
  3. Monovalorados
    1. -Valor único para cada tupla
  4. Multivalorado
    1. -Conjunto de valores para a mesma tupla
  5. Armazenado
    1. -Principal
  6. Derivado
    1. -deriva do armazenado
  7. Nulo
    1. Não tem valor aplicavel a tributo
  8. Complexos
    1. -cOMPOSTO+mULTIVALORADO
6. Restrições de integridade
  1. -Domínio,Vazio, chave, Referencial
  2. Chave primária
    1. Coluna assegura que cada tupla é única
  3. chave Estrangeira
    1. -restição referencial amarra os relacionamentos entre a tabela
    2. Fazem referencia a chave primária
  4. chave substituta
    1. -pode ser utilizado para definir a chave primária
  5. super chave
    1. permite identificar uma mesma entidade
7. Controle de Concorrencia
  1. Autômica
    1. -É possivel reveter aquilo que foi modificado
  2. Consistente
    1. Dados integros
  3. Isolada
    1. Dado isolados
  4. Duravel
    1. deve ser definitivo a modificação
Visões Views/tabela virtual
1. -Consultas frequentes
2. Views Materializada
  1. -Só é permitida a atualização quando existir uma tabela
  2. Não existe registro em Views
Normalização em banco de dados
1. Dependencia Funcional
  1. 1º FORMANORMAL
    1. 2º FORMA NORMAL
      1. 3ª FORMA NORMAL
        4ª FORMA NORMAL
        5ºForma normal
Business Intelligence
1. -Conjunto de tecnicas, metodos e ferramentas que subsidia a toma de decião
2. Data Warehouse/armazém de dados/depósito de dados
  1. - é colhido de varios origens
  2. Catactérsticas
    1. Não-volátio (apenas recebe informação)
    2. Integrado(aproveita termos)
    3. Orientado por assunto(finalidade de armazenar)
    4. Variante no Tempo(manutenção)
3. Data Marts/OLTP
  1. -é espécifico, Volátil
  2. Topdown up
    1. -Cria-se primeira Data Marts
  3. Bottom up
    1. Cria-se primeiro a BI para depois a data marts
4. ETL/Extração, transformação e recarga
  1. -alimentação
  2. Extração(das bases de dados); transformação(aplica funções); recarga(substitui dados)
5. OLAP
  1. -analise dinamica e multidimencional dos dados
  2. Tabela de fato
    1. -Registra fato é grande
    2. Atributos
      1. Valores Núméricos(permite operações); não mumericos; seminumérico
  3. Tabela de dimensão
    1. -Ligas aos fatos
  4. Formas
    1. Modelo Estrela/Star Schema)
      1. -Ocupa espaço ao repetir descrições
    2. Modelo Flocos de Neve/Snow Flak
      1. -Menor Espaço ao normatizar
  5. Arquiteturas OLAP
    1. Molap/Multidimensional...
      1. -como um cubo de dados, restrições, complexos
    2. Rolap/Relation...
      1. -Como modelo relacional
    3. Dolap/Desktop
      1. -Trasfere para desktop/Rede
    4. Holap/Hydrid
      1. -Rolap+Molap
    5. Wolap/Web-online
      1. -Uso do navegador
6. Operações em OLAP
  1. Dril Down
    1. -aumenta o nivel de detalhue
  2. Drill up/Roll up
    1. -aumenta o grau de granularidade, diminuindo o detalhe
  3. Drill Throught
    1. Quando vou para outra dimensão
  4. Dril Across
    1. aQuando pulo nível intermediario
  5. Slice and Dice
    1. Slice(fatiar) dados em unica dimensão; Dice(dado) duas ou mais dimensões
  6. Cross join
    1. Dados unidos colunas invertidos
  7. Pivot
    1. rotação de cubo
  8. Alertas
    1. Situações em destaque
  9. Ranking
    1. Agrupa por maior e menor
  10. filtros
    1. para leitura
  11. Sort
    1. Ordenar., crescente ou decrescente
  12. Breaks
    1. Separam o relatorio em grupos de informação
  13. Consultas ad-hoc
    1. Segundo parametros nunca utilizados
7. Data Mining
  1. Processo de descoberta de conhecimento em BDs - KDD
  2. Fases
    1. Seleção
      1. -selecionados das mais diversas fontes
    2. Pre-processamento
      1. -Faz a limpeza
    3. Transformação
      1. -posso usar
    4. Data Mining
    5. Interpretação
  3. Tecnicas
    1. Associação
      1. Relaçao
    2. Descrição de Crasse
      1. Resumo
    3. Classificação
      1. Qual modelo se destaca
    4. Agrupamento/clustering
      1. Similar a classificação é indepedente
    5. Descoberta de parões sequenciais
    6. Descoberta de padrões em series temporais
    7. Regressão
      1. Panejamento estrategico
    8. Redes Neurais
    9. algarítimos geéricos

Next up

Description

Resource summary

Similar

	Created by Magdiel Cavalcante about 7 years ago