sefaz - s3.amazonaws.com · 3 informática banco de dados um banco de dados ou base de dados (sua...

www.acasadoconcurseiro.com.br

Informática

Banco de Dados

Prof. Deodato Neto

SEFAZ

www.acasadoconcurseiro.com.br 3

Informática

BANCO DE DADOS

Um banco de dados ou base de dados (sua abreviatura é BD, em inglês DB, database) são con-juntos

de dados com uma estrutura regular que tem como objetivo organizar uma informação. Um banco de dados normalmente agrupa informações utilizadas para um mesmo fim de forma que possam representar coleções de informações que se relacionam de forma que crie um sentido. São de vital importância para empresas, e há duas décadas se tornaram a principal peça dos sistemas de informação

Banco de Dados: coleção de dados

SGBD (Sistema Gerenciador de Banco de Dados): software que tem por objetivo criar e mani-pular banco de dados. Exemplo: Oracle 8, DB2, Microsoft Access, Firebird, SQL Server, etc.

Componentes de um sistema de banco de dados

Os objetivos de um sistema de banco de dados são o de isolar o usuário dos detalhes internos do banco de dados (promover a abstração de dados) e promover a independência dos dados em relação às aplicações, ou seja, tornar independente da aplicação, a estratégia de acesso e a forma de armazenamento.

http://www.acasadoconcurseiro.com.br

www.acasadoconcurseiro.com.br4

DADOS ESTRUTURADOS E NÃO ESTRUTURADOS

Dados estruturados. Os dados estruturados são organizados em linhas e colunas, geralmente são encontrados em banco de dados relacionais, são eficientes quanto à recuperação e proces-samento. Já os dados não estruturados referem-se a dados que não podem ser organizados em linhas e colunas, como vídeos, e e-mails. Geralmente são dados de difícil acesso e recupe-ração e muitas vezes não dispõem de componentes necessários para identificação de tipo de processamento e interpretação, tornando o seu uso um desafio principalmente em aplicativos empresariais.

MODELOS DE BANCO DEDADOS

Abstração de dados

O sistema de banco de dados deve garantir uma visão totalmente abstrata do banco de dados para o usuário, ou seja, para o usuário do banco de dados pouco importa qual unidade de ar-mazenamento está sendo usada para guardar seus dados, contanto que os mesmos estejam disponíveis no momento necessário.

Projeto de banco de dados

Todo bom sistema de banco de dados deve apresentar um projeto, que visa a organização das informações e utilização de técnicas para que o futuro sistema obtenha boa performance e também facilite infinitamente as manutenções que venham a acontecer.


Informática – Prof. Deodato Neto


O projeto de banco de dados se dá em duas fases:

• Modelagemconceitual;

• Projetológico.

Estas duas etapas se referem a um sistema de banco de dados ainda não implementado, ou seja, que ainda não exista, um novo projeto. Para os casos em que o banco de dados já exista, mas é um sistema legado, por exemplo, ou um sistema muito antigo sem documentação, o processo de projeto de banco de dados se dará através da utilização de uma técnica chamada de Engenharia Reversa, que será visto em outra oportunidade.

Modelo conceitual

É a descrição do BD de maneira independente ao SGBD, ou seja, define quais os dados que apa-recerão no BD, mas sem se importar com a implementação que se dará ao BD. Desta forma, há uma abstração em nível de SGBD.

Uma das técnicas mais utilizadas dentre os profissionais da área é a abordagem entidaderela-cionamento (ER), onde o modelo é representado graficamente através do diagrama entidade-relacionamento (DER)

Exemplo de diagrama entidade-relacionamento

O modelo acima, entre outras coisas, nos traz informações sobre Alunos e Turmas. Para cada Aluno, será armazenado seu número de matrícula, seu nome e endereço, enquanto para cada turma, teremos a informação de seu código, a sala utilizada e o período.

Modelo lógico

Descreve o BD no nível do SGBD, ou seja, depende do tipo particular de SGBD que será usado. Não podemos confundir com o Software que será usado. O tipo de SGBD que o modelo lógico trata é se o mesmo é relacional, orientado a objetos, hierárquico, etc.

Abordaremos o SGBD relacional, por serem os mais difundidos. Nele, os dados são organizados em tabelas



Aluno

mat_aluno nome endereco

1 Cecília Ortiz Rezende Rua dos Ipês, 37

2 Abílio José Dias Avenida Presidente Jânio Quadros, 357

3 Renata Oliveira Franco Rua Nove de Julho, 45

Turma

cod_turma sala periodo

1 8 Manhãnte

2 5 Noite

Exemplo de tabelas em um SGBD relacional

O modelo lógico do BD relacional deve definir quais as tabelas e o nome das colunas que com-põem estas tabelas.

Para o nosso exemplo, poderíamos definir nosso modelo lógico conforme o seguinte: Aluno(mat_aluno, nome, endereco)

Turma (cod_turma, sala, periodo)

É importante salientar que os detalhes internos de armazenamento, por exemplo, não são des-critos no modelo lógico, pois estas informações fazem parte do modelo físico, que nada mais é que atradução do modelo lógico para a linguagem do software escolhido para implementar osistema.

Modelo Conceitual:

Visa atender a necessidade do neǵocio através de uma descrição do mundo real.

Neste descrição não descreve como será armazenado os dados e qual SGDB será utilizado.

Modelo Lógico:

Compreende uma descrição das estruturas que serão armazenadas no banco e que resulta numa representação gráfica dos dados de uma maneira lógica, inclusive nomeando os compo-nentes e ações que exercem uns sobre os outros.

Modelo Físico:

E uma descrição como os dados estão armazenados em um tipo de SGDB.

Aqui são detalhados os componentes da estrutura física do banco, como tabelas, campos, tipos de valores, índices, etc




DADOS DISTRIBUIDOS E DADOS CENTRALIZADOS

A necessidade de manipular e gerenciar grandes quantidades de dados de maneira confiável, junto com o interesse em descentralizar a informação, fez com que fossem impulsionados os estudos e desenvolvimentos na área de banco de dados distribuídos (BDD).

Diferente do banco de dados convencional, também conhecido como centralizado, no qual toda a massa de dados fica em um único local, no BDD,os dados ficam distribuídos em diversos servidores, e esses servidores podem estar fisicamente próximos ou, em alguns casos, geogra-ficamentedistantes.

Arquitetura de Banco de Dados Centralizado

Como os dados nesse ambiente muitas vezes estão replicados entre servidores, além de me-lhorar a eficiência no desempenho, consegue prover uma melhora na segurança dos dados em caso de dessas

tres, pois não existe mais um único ponto de falha. https://imasters.com.br/?attachment_id=48739 Arq uitetura de Banco de Dados Dis-tribuída

A arquitetura de BDD é totalmente transpa-rente para os usuários que utilizam aplicações nessa arquitetura distribuída, ou seja, para o usuário, os dados estão centralizados em um único servidor, mas na verdade eles podem es-tar “espalhados”, distribuídos em vários locais fisicamente separados.


https://imasters.com.br/?attachment_id=48739

https://imasters.com.br/?attachment_id=48739


Arquitetura de Banco de Dados Distribuído

Na implementação desse ambiente distribuído, existem vários desafios, e manter a consistên-cia dos dados certamente está entre os mais importantes e complexos. Garantir que os dados estão consistentes é altamente complexo, pois uma única transação pode manipular dados em diversos servidores.

Para exemplificar, imagine uma instituição financeira na qual o banco de dados está distribuído em três grandes cidades brasileiras – São Paulo, Brasília e Rio de Janeiro -, e transações distri-buídas entre esses servidores são executadas o dia todo para armazenar informações e movi-mentações de seus clientes. Agora imagine a situação em que o cliente José sacou R$ 1.000,00 de sua conta corrente, e essa movimentação deve ser replicada para todos os servidores envol-vidos na transação; caso contrario, o saldo de José ficará inconsistente, gerando informações diferentes em determinado servidor.

Isso pode causar grandes transtornos, pois teoricamente o usuário acessa os dados em servi-dores de acordo com a localidade, diminuindo assim a latência e retornando o resultado com mais rapidez, ou seja, se o usuário está acessando sua conta em São Paulo, o sistema busca os dados nos servidores de São Paulo, e assim por diante. Como no exemplo acima José sacou R$ 1.000,00 de sua conta, imagine se ele estivesse em São Paulo e essa informação não fosse repli-cada para o servidor de Brasília? No servidor de São Paulo, ele estaria com determinado saldo e em Brasília com R$ 1.000,00 a mais em sua conta.

Esse é um dos exemplos, mas poderia ser o estoque de um produto que foi vendido porém não foi executada baixa em todos os servidores envolvidos na transação, gerando informações fal-sas sobre a quantidade em estoque desse produto. Claro que esse ambiente é só um exemplo simples para demonstrar a consistência dos dados.

A fim de garantir toda essa segurança e confiabilidade dos dados, o BDD preserva as proprieda-des ACID,onde:

A – Atomicidade: Indica que a transação deve ter todas as suas ações concluídas ou não. Caso todas as ações da transação sejam terminadas com sucesso, então é executado o Commit na transação inteira; caso contrário, a transação inteira deve ser revertida, Rollback.




C– Consistência: A execução de uma transação isolada preserva a consistência do banco de dados.

I – Isolamento: Cada transação não toma conhecimento de outras transaçõesconcorrentes.

D – Durabilidade: Depois que transação for completada com sucesso (Commit), as mudanças que ela faz no banco de dados persistem.

TRANSAÇÕES DE BANCO DE DADOS

O que é uma transação

Uma transação é uma sequência de operações executadas como uma única unidade lógica de trabalho.

ACID é um conceito que se refere às quatro propriedades de transação de um sistema de banco de dados: Atomicidade, Consistência, Isolamento e Durabilidade.

Atomicidade:Emumatransaçãoenvolvendoduasoumaispartesdeinformaçõesdiscretas,ouatransação será executada totalmente ou não será executada, garantindo assim que as transações sejam atômicas.

Consistência: A transação cria um novo estado válido dos dados ou em caso de falha retorna todos os dados ao seu estado antes que a transação foi iniciada.

Isolamento: Uma transação em andamento mas ainda não validada deve permanecer isolada de qualquer outra operação, ou seja, garantimos que a transação não será interferida por nenhuma outra transação concorrente.

Durabilidade: Dados validados são registados pelo sistema de tal forma que mesmo no caso de uma falha e/ou reinício do sistema, os dados estão disponíveis em seu estado correto.

TIPOS DE USUÁRIOS EM BANCO DE DADOS

Administrador de Dados

O grande objetivo do administrador de dados é permitir que vários usuários compartilhem os dados corporativos. Deste modo, os dados não pertencem a nenhum sistema ou usuário de for-ma específica, e sim, à organização como um todo. Assim, o administrador de dados se preocu-pa basicamente com a organização dos dados, e não com o seu armazenamento propriamente dito. Vejamos, suas características:

• Gerenciar o dado como um recurso daempresa.



• Planejar, desenvolver e divulgar as bases de dados daempresa.

• Permitir a descentralização dos processos, mas manter centralizado osdados.

• Permitir, fácil e rápido acesso às informações a partir dos dadosarmazenados.

Administrador de Banco de Dados (DBA)

Em qualquer organização que compartilha muitos recursos computacionais, existe a necessida-de de um administrador para gerenciar esses recursos. Em um ambiente de Banco de Dados, o recurso primário é o próprio Banco de Dados e o recurso secundário é o SGBD (e os recursosre-lacionados).

O Administrador de Banco de Dados é o responsável pela autorização de acesso ao Banco de Dados e pela coordenação e monitoração de seu uso. É a pessoa que, numa equipe de desen-volvimento, centraliza tanto o controle dos dados quanto os programas de acesso a eles. É co-nhecido com a sigla em inglês: DBA (DataBase Administrator).

O DBA é também responsável pelos problemas de quebra de segurança ou de baixo desempenho nos SGBDs. As principais funções do DBA são:

• Definição do esquema do Banco deDados;

• Definição da estrutura de dados e métodos deacesso;

• Modificações no esquema ou na organizaçãofísica;

• Controle das autorizações de acesso aosistema;

• Especificação das regras deintegridade.

Projetista de Banco de Dados (DB Designer)

O Projetista de Banco de Dados é responsável pela identificação dos dados que devem ser armazenados no Banco de Dados. Ele escolhe a estrutura mais adequada para representar e armazenar esses dados. É função do projetista também avaliar as necessidades de cada grupo de usuários. Muitas vezes, os projetistas de Banco de Dados atuam como “staff” do DBA, assumindo outras responsabilidades após a construção do Banco de Dados.

Usuários Finais

Existem basicamente quatro categorias de usuários de Banco de Dados, que fazem operações mais básicas nos SGBD, tais como consultas, atualizações e geração de documentos:

Usuários Casuais: acessam o Banco de Dados casualmente, mas que podem necessitar de di-ferentes informações a cada acesso. Utilizam normalmente sofisticadas linguagens de consulta para especificar suas necessidades;

Usuários Novatos ou Paramétricos: utilizam visões do Banco de Dados, utilizando consultas preestabelecidas que já foram exaustivamente testadas. São também chamados de usuários




navegantes, ou seja, usuários comuns que interagem com o sistema através de interfaces pré--definidas;

Usuários Sofisticados: são usuários que estão familiarizados com o SGBD e realizam consultas mais complexas;

Usuários Especialistas: usuários sofisticados que chegam a escrever aplicações especializadas.

Analistas de Sistemas e Programadores de Aplicações

Os analistas de sistemas determinam os requisitos dos usuários finais e desenvolvem especifi-cações para transações que atendam estes requisitos. Os programadores de aplicações imple-mentam estas especificações com os programas, testando, depurando, documentando e dando manutenção aos mesmos. São profissionais em computação que interagem com o sistema por meio de DMLs, envolvidas em programas escritos em diferentes linguagens hospedeiras

NORMALIZAÇÃO

Normalização é o processo que permite a simplificação da estrutura de um banco de dados de modo que esta se apresente em um ótimo estado.

Esse processo é bastante simples e tem por principal objetivo remover grupos repetidos de informações. Normalmente, ao normalizar aumenta-se o número de tabelas e o número total de campos.

A teoria da normalização é baseada no conceito de Formas Normais, que são regras aplicada as estruturas das tabelas com o objetivo de minimizar ou eliminar a redundância de informações. Embora existam seis formas normais, normalmente se considera que um esquema de banco de dados está em um bom nível quando ele se encontra na terceira forma normal.

Normalização é uma técnica de desenvolvida pelo Dr. E.F. Cood a partir dos princípios da mate-mática dos conjuntos. Essa técnica, quando aplicada sobre um conjunto de dados afins, determi-na uma estrutura de armazenamento composta por um conjunto de tabelas interrelacionadas.

Normalização: conjunto de formas normais.

1FN – separa os atributos mono valorados dos multivalorados e define chave primária



Normalizado

2FN – dependência total ou parcial em relação a composição da chave primária




Normalizado

3FN – dependência transitiva (dependência funcional entre dois atributos não chave perten-cente a mesma estrutura de tabela.

Normalizada



Entidade é qualquer coisa, concreta ou abstracta que possui uma identificação distinta, incluin-do associações entre entidades, abstraídos do mundo real e modelado em forma de tabela que guardarão informações no banco de dados

A chave primária identifica um registro de forma única onde seu valor não irá se repetir de for-ma alguma dentro da tabela. Isso significa que a chave primária pode ser utilizada como uma espécie de controle impedindo que registros duplicados sejam criados na tabela.

Chave Primária: Atributo ou conjunto de atributos que apresenta unicidade e não assume valo-res nulos. Tem por função gerenciar as entradas de dados e estabelecer o relacionamento entre duas ou mais tabelas.

Entidade Fraca ou Dependente

Uma entidade fraca (ou dependente) precisa de outra entidade para garantir a sua existência. A entidade fraca depende de uma entidade tipo e esta relação de dependencia é uma relação obrigatória. O identificador de uma entidade fraca possui em sua composição o(s) atributo(s) identificador(es) da entidade tipo à qual a entidade fraca está associada. Como exemplo po-demos considerar um sistema de gestão de recursos humanos onde a entidade dependente é uma entidade fraca em relação à entidade funcionário. Pois se a entidade Funcionários não existisse, a entidade dependentes consequentemente não existiria.

Entidade Associativa

As entidades associativas são o resultados de relacionamentos m:m. Em geral, as entidades associativas são encontradas entre entidades tipo. Muitas das vezes, as entidades associati-vas têm nomes óbvios, pois ocorrem no mundo real. Por exemplo, a entidade associativa do relacionamento disciplinas e alunos, objetivando o lançamento de notas, chama-se avaliação. Deve-se sempre procurar pelo nome adequado, pois esse irá aumentar a clareza do modelo de dados.

A chave estrangeira, é um conceito ligeiramente diferente. Ela não diz respeito, especificamen-te, a uma tabela, mas sim a um relacionamento entre tabelas. De forma sucinta, a chave estran-geira é uma referência, em uma tabela, a uma chave primária de outra tabela. Para facilitar a compreensão, tomemos como exemplo duas tabelas: Pessoa e Carro. Para montarmos um rela-cionamento entre elas, poderíamos ter, na tabela Carro, o campo ID_Pessoa fazendo referência à chave primária da tabelaPessoa.

Chave estrangeira pode ser nula.

DESNORMALIZAÇÃO

A Desnormalização, apesar de apresentar o efeito colateral da redundância de informações, permite que a performance geral do banco de dados seja significativamente melhorada fazen-do com que, por exemplo, menos junções entre tabelas sejam necessárias para o retorno de determinada informação.




RELACIONAMENTO

Modelo Entidade Relacionamento

O Modelo Entidade Relacionamento (também chamado Modelo ER, ou simplesmente MER), como o nome sugere, é um modelo conceitual utilizado na Engenharia de Software para des-crever os objetos (entidades) envolvidos em um domínio de negócios, com suas características (atributos) e como elas se relacionam entre si (relacionamentos).

Diagrama Entidade Relacionamento (DER)

Tipos de Relacionamento

De acordo com a cardinalidade existem 3 tipos básicos de relacionamentos entre as entidades.

• RELACIONAMENTOS UM PARA MUITOS

• RELACIONAMENTOS MUITOS PARA MUITOS

• RELACIONAMENTOS MUITOS PARAUM

RELACIONAMENTO UM PARA MUITOS (U:M)

Um relacionamento 1:m ocorre com freqüência em situações de negócio. Às vezes ocorre em forma de árvore ou em forma hierárquica. No exemplo abaixo, temos a seguinte representação: Cada curso cadastrado possui vários alunos ligados a ele, pois cada aluno, ao ser cadastrado, deverá ser ligado a um curso obrigatóriamente. O campo codigocurso foi escolhido como chave primária na entidade CURSO,ou seja, ela não poderá se repetir. Já na tabela ALUNO, a chave primária é matricula e o codigocurso é chave estrangeira. A representação ficaria assim:


https://www.devmedia.com.br/principios-da-engenharia-de-software/29630


Como lemos este relacionamento:

UM CURSO MATRICULA MUITOS ALUNOS UM ALUNO SE MATRICULA EM UM CURSO

RELACIONAMENTOS MUITOS PARA MUITOS (M:M)

Uma ocorrencia de uma entidade em A está associada a qualquer número de ocorrencias na entidade B, e cada ocorrencia da entidade em B está associada a qualquer número de ocorren-cias na entidade A.

Considere o caso em que itens são vendidos. Podemos identificar imediatamente duas entida-des: VENDA e ITEM. Uma venda pode consistir em muitos itens de mercadorias e um item de mercadoria pode aparecer em muitas vendas. Não estamos dizendo que um mesmo item pos-sa ser vendido muitas vezes, mas que o tipo específico de item (por exemplo, um livro ) pode ser vendido muitas vezes; temos, portanto, um relacionamento de muitos-para-muitos (m:m) entre VENDA e ITEM. Em um relacionamento m:m, criamos uma terceira entidade, chamada entidade associativa que é usada para associar as entidades por meio de dois relacionamentos 1:m. De maneira geral, é razoavelmente fácil nomear essa terceira entidade. Nesse exemplo, essa terceira entidade, geralmente conhecida como entidade associativa, é chamada de VEN-DA_MERCADORIA.

Observe a ficha abaixo. Observe a representação do relacionamento. Cada uma das linhas que aparece no formulário do pedido de vendas é, em geral, conhecida no varejo como um item de linha, onde o código da mercadoria é ligado a uma venda.

A representação desse relacionamento m:m é mostrada na figura acima. Dizemos muitos para muitos porque há dois relacionamentos: CODIGO DA MERCADORIA está relacionado com muitas VENDAS e VENDA está relacionada com muitos CÓDIGOS DE MERCADORIA.




No caso do nosso exemplo, a entidade associativa é a VENDA_MERCADORIA. Podemos fazer a leitura do relacionamento acima da seguinte forma:

UMA VENDA POSSUI VÁRIOS ITENS DE MERCADORIA

CADA MERCADORIA PODERÁ ESTAR LIGADO À VÁRIAS VENDAS

Por que criamos uma terceira entidade ?

Quando temos um relacionamento m:m e precisamos manter informações sobre este rela-cionamento, criamos uma entidade associativa para armazenar informações sobre o relacio-namento. Neste caso, armazenamos dados sobre as mercadorias vendidas. Não podemos ar-mazenar estes dados em VENDAS, pois uma venda pode ter muitos itens e uma entidade só armazena ocorrências de valores simples. Da mesma maneira, não podemos armazenar esses dados em MERCADORIAS, porque um código de mercadoria pode aparecer em muitas vendas.

RELACIONAMENTO UM PARA UM (1:1)

São relacionamentos em que uma ocorrencia de uma entidade em A está associada no máximo a uma ocorrencia em uma entidade B e uma ocorrencia na entidade B está associada no máximo a uma ocorrencia na entidadeA.

Neste relacionamento, escolhemos qual tabela irá receber a chave estrangeira, e para cada valor do campo na tabela A, há no máximo um valor na tabela B.

No exemplo mostrado na Figura abaixo podemos entender melhor este tipo de relacionamento, onde estaremos definindo que um Gerente (e somente um) gerencia um (e somente um) Departamento. Ou seja, o mesmo Gerente não pode gerenciar mais de um Departamento e um Departamento não poderá ser gerenciado por mais de um Gerente.

RELACIONAMENTOS RECURSIVOS OU AUTO-RELACIONAMENTOS

Os relacionamentos recursivos (também chamados de auto-relacionamentos) são casos espe-ciais onde uma entidade se relaciona com si própria. Apesar de serem relacionamentos muito raros, a sua utilização é muito importante em alguns casos.

Os auto-relacionamentos podem ser do tipo 1:1 (um-para-um), 1:N (um-para-muitos) ou N:M (muitos para muitos), dependendo da política de negócio que estiver envolvida.

Exemplos deste relacionamento podem ser encontrados na chamada “explosão de materiais”, onde itens compostos são formados por muitos itens componentes; por sua vez, estes itens compostos podem ser componentes de outros itens maiores. Exemplificando, temos um auto-móvel, que é composto pelo chassiz, motor, direção, câmbio etc.; O motor, por sua vez, é for-



mado pelo carburador, velas, platinado etc. Esta explosão pode ser representada pelo seguinte relacionamento:

ITEM (N) compõe (M) ITEM

sendo que o papel do ITEM é ora de componente e ora de composto.

Um outro exemplo de auto-relacionamento é o gerenciamento de funcionários, onde o gerente é um funcionário que possui um relacionamento com outros funcionários que lhe são subordinados. Este relacionamento pode ser representado da seguinte forma:

FUNCIONÁRIO (1) gerencia (N) FUNCIONÁRIO

sendo que o papel do FUNCIONÁRIO é ora de gerente e ora de subordinado.

CONTROLE DE ACESSO A BANCO DE DADOS

Controle de Acesso a Banco de Dados

O controle de acesso é o processo para definir ou restringir os direitos de indivíduos ou aplica ções de obter dados. Pode ser classificado quanto:

à centralização do controle (Centralizado ou Descentralizado); ao controle pelo sistema (Man-datório ou Discricionário);

ao mecanismo de controle (baseado em regras ou em perfis)

Controle de Acesso Centralizado

Nesse tipo de controle, uma entidade central (sistema ou usuário) toma as decisões sobre aces so aos recursos. Como vantagem, ele garante a padronização do acesso às informações, e impe-de a superposição de direitos. Como desvantagem, a falha no sistema central impede qualquer acesso às informações.

Controle de Acesso Descentralizado

Nesse tipo, o controle é delegado a entidades mais próximas dos recursos, que podem gerenci ar melhor os problemas com os recursos sob sua supervisão. Como vantagem, a falha em um sistema de controle de acesso não interfere no acesso aos demais sistemas, desde que não




haja dependência entre eles. Entretanto, temos como desvantagem a perda da padronização do acesso às informações, e a possibilidade de superposição de direitos, que causam furos de segurança.

Controle de Acesso Mandatório ou Obrigatório (MAC)

No controle de acesso mandatório (mandatory access control ou MAC), a política de acesso é determinada pelo sistema e não pelo proprietário do recurso. Este controle é utilizado em sistemas de múltiplos níveis com dados altamente sensíveis (por exemplo, informações gover-namentais e militares). Nesse tipo de controle, há a construção de um sistema que manipula múltiplos níveis de classificação entre sujeitos (nível de privilégios) e objetos (nível de sensibili-dade da informação). No MAC, há uma divisão de tarefas entre:

os administradores do sistemas, que definem os níveis de privilégio dos usuários e a política de acesso;

os gestores das informações que estabelecem a rotulação das informações quanto ao seu nível de sensibilidade;

O sistema cuida de aplicar as regras da política com base nos privilégios dos usuário e no rótulo das informações.

Controle de Acesso Discricionário (DAC)

No controle de acesso discricionário (discretionary access control ou DAC), a política de contro-le de acesso é determinada pelo proprietário (owner) do recurso (um arquivo, por exemplo). O proprietário do recurso decide quem tem permissão de acesso em determinado recurso e qual privilégio eletem.

O DAC utiliza como premissas:

Todo objeto em um sistema deve ter um proprietário. Um objeto sem um proprietário é consi-derado não protegido.

Direitos de acesso e permissões podem ser dados pelo proprietário do recurso a usuários indi-viduais ou grupos de usuários.

Os indivíduos podem pertencer a um ou mais grupos, podendo adquirir permissões cumulati-vas O controle de acesso discricionário pode ser implementado por listas de controle de acesso (ACL) relacionado à usuários individuais ou grupos baseados em perfis (roles).

Controle de Acesso Baseado em Regras

No controle de acesso baseado em regras, o acesso é definido pela lista de regras criadas pelo administrador do sistema, de acordo com a rotulação da informação e o nível de privilégio do usuário. Geralmente, esse tipo de controle é aplicado no Controle de Acesso Mandatório – MAC.



Controle de Acesso Baseado em Perfis (RBAC)

No controle de acesso baseado em perfil (Role Based Access Control – RBAC), o acesso às infor-mações é baseado em função do cargo ou do grupo em que o usuário pertence. São definidos genéricos com os respectivos privilégios e a determinação do perfil de um usuário é feita de forma discricionária pelo gestor de um recurso. Geralmente, esse tipo de controle é aplicado no Controle de Acesso Discricionário – DAC.

MINERAÇÃO DE DADOS

Mineração de Dados

Data Miningé uma das novidades da Ciência da Computação que veio para ficar. Com a geração de um volume cada vez maior de informação, é essencial tentar aproveitar o máximo possível desse investimento. Talvez a forma mais nobre de se utilizar esses vastos repositórios seja ten-tar descobrir se há algum conhecimento escondido neles. Um banco de dados de transações comerciais pode, por exemplo, conter diversos registros indicando produtos que são compra-dos em conjunto. Quando se descobre isso pode-se estabelecer estratégias para otimizar os resultados financeiros da empresa. Essa já é uma vantagem suficientemente importante para justificar todo o processo.

Definição e Objetos no Data Mining

Data Mining consiste em um processo analítico projetado para explorar grandes quantidades de dados (tipicamente relacionados a negócios, mercado ou pesquisas científicas), na busca de padrões consistentes e/ou relacionamentos sistemáticos entre variáveis e, então, validá-los aplicando os padrões detectados a novos subconjuntos de dados. O processo consiste basica-mente em 3 etapas: exploração, construção de modelo ou definição do padrão e validação/verificação.

A premissa do Data Mining é uma argumentação ativa, isto é, em vez do usuário definir o pro-blema, selecionar os dados e as ferramentas para analisar tais dados, as ferramentas do Data Mining pesquisam automaticamente os mesmos a procura de anomalias e possíveis relaciona-mentos, identificando assim problemas que não tinham sido identificados pelo usuário.




Passos do DataMining

Em outras palavras, as ferramentas de Data Mining analisam os dados, descobrem problemas ou oportunidades escondidas nos relacionamentos dos dados, e então diagnosticam o comportamento dos negócios, requerendo a mínima intervenção do usuário. Assim, ele se dedicará somente a ir em busca do conhecimento e produzir mais vantagens competitivas.

Como podemos ver, as ferramentas de Data Mining, baseadas em algoritmos que forma a cons-trução de blocos de inteligência artificial, redes neurais, regras de indução, e lógica de predica-dos, somente facilitam e auxiliam o trabalho dos analistas de negócio das empresas, ajudando as mesmas a conseguirem serem mais competitivas e maximizarem seus lucros.

Principais técnicas no Data Mining

O Data Mining (DM) descende fundamentalmente de 3 linhagens. A mais antiga delas é a es-tatística clássica. Sem a estatística não seria possível termos o DM, visto que a mesma é a base da maioria das tecnologias a partir das quais o DM é construído.

A segunda linhagem do DM é a Inteligência Artificial (IA). Essa disciplina, que é construída a partir dos fundamentos da heurística, em oposto à estatística, tenta imitar a maneira como o homem pensa na resolução dos problemas estatísticos.

E a terceira e última linhagem do DM é a chamada machine learning, que pode ser melhor descri-ta como o casamento entre a estatística e a Inteligência Artificial. Enquanto a Inteligência Artifi-cial não se transformava em sucesso comercial, suas técnicas foram sendo largamente cooptadas pela machine learning, que foi capaz de se valer das sempre crescentes taxas de preço/perfor-mance oferecidas pelos computadores nos anos 80 e 90, conseguindo mais e mais aplicações de-vido às suas combinações entre heurística e análise estatística. Machine learning é uma disciplina científica que se preocupa com o design e desenvolvimento de algoritmos que permitem que os computadores aprendam com base em dados, como a partir de dados do sensor ou bancos de dados. Um dos principais focos da Machine Learnig é automatizar o aprendizado para reconhecer padrões complexos e tomar decisões inteligentes baseadas em dados.

O Data Mining é um campo que compreende atualmente muitas ramificações importantes. Cada tipo de tecnologia tem suas próprias vantagens e desvantagens, do mesmo modo que nenhuma ferramenta consegue atender todas as necessidades em todas as aplicações.

Existem inúmeras ramificações de Data Mining, sendo algumas delas:

• Redes neurais: são sistemas computacionais baseados numa aproximação à computação baseada em ligações. Nós simples (ou “neurões”, “neurônios”, “processadores” ou “unida-des”) são interligadosparaformarumarededenós-daíotermo”redeneural”. A inspiração ori-ginal para esta técnica advém do exame das estruturas do cérebro, em particular do exame de neurônios. Exemplos de ferramentas: SPSS Neural Connection, IBM Neural Network Uti-lity, NeuralWare NeuralWorkPredict.

• Indução de regras: a Indução de Regras, ou Rule Induction, refere-se à detecção de tendên-cias dentro de grupos de dados, ou de “regras” sobre o dado. As regras são, então, apre-sentadas aos usuários como uma lista “não encomendada”. Exemplos de ferramentas: IDIS da Information Discovey e Knowledge Seeker da AngossSoftware.



• Árvores de decisão: baseiam-se numa análise que trabalha testando automaticamente todos os valores do dado para identificar aqueles que são fortemente associados com os itens de saída selecionados para exame. Os valores que são encontrados com forte associação são os prognósticos chaves ou fatores explicativos, usualmente chamados de regras sobre o dado. Exemplos de ferramentas: Alice d’Isoft, Business Objects BusinessMiner,DataMind.

• Analise de séries temporais: a estatística é a mais antiga tecnologia em DM, e é parte da fundação básica de todas as outras tecnologias. Ela incorpora um envolvimento muito forte do usuário, exigindo engenheiros experientes, para construir modelos que descrevem ocomportamento do dado através dos métodos clássicos de matemática. Interpretar os resultadosdos modelos requer “expertise” especializada. O uso de técnicas de estatística também requer um trabalho muito forte de máquinas/engenheiros. A análise de séries temporais é um exemplo disso, apesar de freqüentemente ser confundida como um gênero mais simples de DM chamado “forecasting” (previsão). Exemplos de ferramentas: S+, SAS, SPSS.

• Visualização: mapeia o dado sendo minerado de acordo com dimensões especificadas. Nenhuma análise é executada pelo programa de DM além de manipulação estatística básica. O usuário, então, interpreta o dado enquanto olha para o monitor. O analista pode pesquisar aferramenta depois para obter diferentes visões ou outras dimensões. Exemplos de ferramentas: IBM Parallel Visual Explorer, SAS System, Advenced Visual Systems (AVS) Express – VisualizationEdition.

APRENDIZAGEM DE MÁQUINA

Atecnologia de aprendizagem de máquina é considerada um subcampo da Inteligência Artificial, que trabalha com a ideia de que as máquinas podem aprender sozinhas ao terem acesso a grandes volumes dedados.

A definição mais simples é que as máquinas podem detectar padrões ecriar conexões entre dados, por meio de Big Data e algoritmos sofisticados, para aprenderem sozinhas a executar umatarefa.

BIG DATA

Com novas ferramentas que tratam de todo o ciclo de gerenciamento de dados, as tecnologias de big data otornam viável tanto técnica quanto economicamente, não só coletar e armaze-nar conjuntos de dados maiores, mas também analisá-los de maneira a fazer novas e valiosas descobertas. Namaioria dos casos, o processamento de big data envolve um fluxo de dados comum, da coleta de dados brutos ao consumo de informações práticas.




Coleta. A coleta de dados brutos – transações, logs, dispositivos móveis e muito mais – é o primeiro desafio que muitas organizações enfrentam quando tratam com big data. Uma boa plataforma de big data torna esta etapa mais fácil, permitindo aos desenvolvedores ingerir uma ampla variedade de dados – estruturados ou não estruturados – a qualquer velocidade – deste em tempo real até em lote.

Qualquer plataforma de big data precisa de um repositório seguro, escalável e durável para armazenar dados antes ou, até mesmo, depois de processar tarefas. Dependendo dos seus re-quisitos específicos, você também pode precisar de armazenamentos temporários para dados em trânsito.

Processamento e análise. Esta é etapa em que os dados são transformados do estado bru-to para um formato consumível, normalmente por meio da classificação, do agregamento, da união e, até mesmo, da execução de funções e algoritmos avançados. Os conjuntos de dados resultantes são então armazenados para processamento posterior ou disponibilizados para consumo através de inteligência de negócio e ferramentas de visualização de dados.

Consumo e visualização. O objetivo do big data é obter descobertas práticas e de alto valor com base nos seus ativos de dados. Idealmente, os dados são disponibilizados para as partes envolvidas através de inteligência de negócio de autoatendimento e ferramentas ágeis de vi-sualização de dados que permitem a exploração rápida e fácil de conjuntos de dados. Depen-dendo do tipo de análise, os usuários finais também podem consumir os dados resultantes na forma de “previsões” estatísticas, no caso de análise preditiva, ou ações recomendadas, no caso de análise prescritiva.

A evolução do processamento de big data

O ecossistema de big data continua a evoluir a um ritmo impressionante. Hoje, um conjunto variado de estilos de análise oferece suporte para várias funções dentro da organização.

A análise descritiva ajuda os usuários a responder a pergunta: “O que aconteceu e por quê?” Os exemplos incluem a consulta tradicional e os ambientes de relatório com placares e painéis.

A análise preditiva ajuda os usuários a estimar a probabilidade de um dado evento no recurso. Os exemplos incluem sistemas de alerta precoce, detecção de fraude, aplicativos de manuten-ção preventiva e previsão.

A análise prescritiva oferece recomendações (prescrições) específicas ao usuário. Ela trata da pergunta: “O que devo fazer se ‘x’ acontecer?”.



Originalmente, as estruturas de big data como Hadoop suportavam apenas cargas de trabalho em lote, onde grandes conjuntos de dados eram processados em volume durante uma janela de tempo específica, normalmente medida em horas, se não em dias. No entanto, conforme o tempo até a descoberta se tornava mais importante, a “velocidade” do big data impulsionava a evolução de novas estruturas, como Apache Spark, Apache Kafka, Amazon Kinesis e outros, para dar suporte ao processamento de dados em tempo real e em streaming.

Fazer o big data trabalhar para você na AWS

A Amazon Web Services oferece um portfólio amplo e totalmente integrado de serviços de computação na nuvem para ajudar você a criar, proteger e implantar seus aplicativos de big data. Com a AWS, não há necessidade de comprar hardware nem de manter e alterar a escala da infraestrutura, o que permite concentrar os seus recursos na descoberta de novas percepções. Com novas capacidades e recursos adicionados constantemente, você sempre será capaz de aproveitar as mais recentes tecnologias sem estabelecer compromissos de investimento de longa duração.

Disponibilidade imediata

A maioria das tecnologias de big data exige grandes clusters de servidores que resultam em lon-gos ciclos de provisionamento e configuração. Com a AWS você pode implantar a infraestrutura que você precisa praticamente de imediato. Isso significa que as suas equipes podem ser mais produtivas, fica mais fácil testar novidades e os projetos podem ser implantados mais cedo.

Capacidades amplas e profundas

As cargas de trabalho de big data são tão variadas quanto os ativos de dados que pretendem analisar. Uma plataforma ampla e profunda significa que você pode criar virtualmente qualquer aplicativo de big data e suportar qualquer carga de trabalho, independentemente do volume, velocidade e variedade de dados. Com mais de 50 serviços e centenas de recursos adicionados




a cada ano, a AWS oferece tudo o que é necessário para coletar, armazenar, processar, analisar e visualizar big data na nuvem.

Confiável e segura

Big data são dados importantes. Portanto, proteger ativos de dados e infraestrutura sem per-der a agilidade é fundamental. A AWS oferece recursos para cumprir os mais rigorosos requisi-tos de instalações, rede, software e processos empresariais. Os ambientes são auditados conti-nuamente para certificações como ISO 27001, FedRAMP, DoD SRG e PCI DSS. Os programas de garantia ajudam você a comprovar a conformidade com mais de 20 normas, inclusive da HIPAA, do NCSC, entre outras.



Questões

1. No diagrama entidade-relacionamento abaixo, CONSULTA tem o papel de

a) relacionamento genérico.b) entidade de generalização.c) entidade fraca.d) relacionamento de especialização.e) entidade associativa.

2. O fato Empregado SUPERVISIONA Empregado, em um diagrama entidade-relacionamento é ha-bitualmente representado por

a) entidade dependente.b) meta relacionamento.c) auto-relacionamento.d) agregação.e) especialização.

3. Em um banco de dados distribuído, os servidores de banco envolvidos não precisam, necessa-riamente, possuir a mesma configuração de hardware

( ) Certo ( ) Errado



4. Dados os seguintes conteúdos de duas tabelas relacionais, denominadas PRINCIPAL e DEPEN-DENTE:

Dados os seguintes diagramas entidade-relacionamento conforme Peter Chen e respectivas cardinalidades mínima e máxima, desenhados com a intenção de modelar os dados destas duas tabelas:

Sabendo-se que a tabela DEPENDENTE é uma entidade fraca e, portanto, de existência depen-dente da entidade PRINCIPAL e que a identificação de um DEPENDENTE (Id_Dependente) espe-cífico necessita de uma concatenação dos identificadores Id_Principal e Num_Dependente, é correto afirmar que

a) o DIAGRAMA 2 é o que mais adequadamente representa a modelagem dos dados.b) o DIAGRAMA 3 é o que mais adequadamente representa a modelagem dos dados.c) os DIAGRAMAS 1 e 2 modelam adequadamente os dados.d) o DIAGRAMA 1 é o que mais adequadamente representa a modelagem dos dados.e) os DIAGRAMAS 1, 2 e 3 modelam adequadamente os dados.



5. Em relação ao Modelo Entidade-Relaciona-mento, quando um atributo possui mais de um valor para cada entidade que caracteri-za, é definido como um atributo

a) Chave.b) Composto.c) Derivado.d) Multivalorado.e) Mutável.

6. Analise as seguintes afirmações relativas a Banco de Dados:

I – Uma chave primária não pode desempe-nhar a função de identificação única.

II – Um modelo conceitual de banco de da-dos representa a estrutura de dados de um Banco de Dados, com os recursos e particu-laridades de um Sistema de Gerenciamento de Banco de Dados específico.

III – Entidade pode ser definida como um objeto que existe no mundo real, com uma identificação distinta e com significado pró-prio.

IV – Uma das regras da integridade do mo-delo relacional afirma que nenhum campo que participe da chave primária de uma ta-bela básica pode aceitar valores nulos.

É correto o que se afirma APENAS em

a) I e II.b) I e III.c) II e III.d) II e IV.e) III e IV.

7. Analise as seguintes afirmações relativas a conceitos e arquitetura de um SGBD:

I – Toda informação em um banco de dados relacional é apresentada, no nível lógico, por valores em tabelas.

II – Um banco de dados é uma coleção de dados operacionais, logicamente inter-re-lacionados e armazenados de maneira de-pendente dos programas que o utiliza.

III – Um SGBD relacional deve ter uma lin-guagem para definição, detalhamento e manipulação de dados.

IV – Um SGBD relacional não pode permi-tir valores nulos em nenhum campo de suas tabelas.

É correto o que se afirma APENAS em

a) I e II.b) I e III.c) II e III.d) II e IV.e) III e IV.

8. Analise o quadro abaixo.

Levando em conta que as turmas são grupos de alunos e cada aluno pertence a somente uma turma, cada professor ministra a mes-ma matéria em uma ou mais turmas, só há um professor por matéria e uma turma rece-be aulas de várias matérias. Os tipos de re-lacionamento que preenchem corretamente as lacunas acima são, respectivamente:

a) N:M, N:1, 1:1, N:Mb) 1:N, 1:1, 1:1, N:Mc) N:M, N:1, 1:N, N:Md) N:M, 1:1, 1:1, N:Me) N:M, N:1, 1:1, 1:N

9. Num modelo entidade-relacionamento po-de-se observar que em “ALUNO CURSA DIS-CIPLINA”, CURSA é

a) um atributo.b) uma entidade.c) uma cardinalidade.d) uma chave de acesso.e) um relacionamento.



10. Os atributos que no modelo relacional cons-tituem os elos de ligação lógica entre as ta-belas são denominados chaves

a) secundárias.b) candidatas.c) estrangeiras.d) primárias.e) relacionais.

11. Em relação a banco de dados é pertinente concluir:

a) As regras de integridade do modelo relacional permitem que campos que participem da chave primária de uma tabela básica aceitem valores nulos e desempenhem a função de identifica-ção única, desde que controladas pelo SGBD.

b) Uma chave primária não pode desem-penhar a função de identificação única.

c) Um modelo conceitual de banco de dados representa a estrutura de dados com os recursos e particularidades de um Sistema de Gerenciamento de Ban-co de Dados específico.

d) Os dados, em um banco de dados re-lacional, não podem ser logicamente acessíveis e o SGBD deve cuidar para não permitir valores nulos em nenhum campo de suas tabelas.

e) Uma das regras de integridade do mo-delo relacional afirma que nenhum campo que participe da chave primária de uma tabela básica pode aceitar valo-res nulos.

12. Um SGBD – Sistema de Gerenciamento de Banco de Dados deve possibilitar um aces-so eficiente aos dados. Com relação a um SGBD, é correto afirmar que

a) para ler corretamente um dado deve--se, obrigatoriamente, configurar todas as tabelas do banco com relacionamen-to muitos-para-muitos.

b) para alterar corretamente um dado deve-se, obrigatoriamente, configurar

todas as tabelas do banco com relacio-namento um-para-um.

c) um campo que contenha o número de CPF de uma pessoa pode ser utilizado como campo-chave.

d) um campo que contenha o nome de uma pessoa deve ser utilizado como campo-chave, permitindo assim o aces-so direto às informações armazenadas sobre a referida pessoa.

e) ele deve permitir apenas relacionamen-tos um-para-um, evitando assim a mistu-ra de dados e garantindo a segurança do sistema.

13. Analise as seguintes afirmações relativas a banco de dados relacional:

I – Um SGBD permite que vários aplicativos utilizem dados de um mesmo banco de da-dos compartilhado.

II – Em um banco de dados a Chave-Estran-geira deve ser utilizada sempre que os dados da tabela principal forem corrompidos.

III – Quando um elemento da entidade 1 está relacionado com muitos elementos da entidade 2, mas cada elemento da entidade 2 somente pode estar relacionado a um ele-mento da entidade 1, tem-se é um relacio-namento do tipo um-para-muitos.

IV – Quando todos os elementos da entidade 1 estão relacionados com todos os elemen-tos da entidade 2, e cada elemento da en-tidade 2 está relacionado apenas a um ele-mento da própria entidade 2, tem-se é um relacionamento do tipo muitos-para-um.

Indique a opção que contenha todas as afir-mações verdadeiras.a) I e IIb) II e IIIc) III e IVd) I e IIIe) II e IV



14. Um usuário do MS Access criou uma tabe-la com três campos. O primeiro denomina-do ID, do tipo Auto numeração, e os outros dois do tipo texto. Definiu o campo ID como chave primária e iniciou o preenchimento dos campos diretamente na tabela. Ao ten-tar preencher manualmente o campo ID, o Access não permitiu.Com relação a esta situação, é correto afir-mar que o usuário

a) poderá preencher manualmente o cam-po ID sem fazer nenhuma alteração na estrutura da tabela, desde que escolha o primeiro valor como 0 (zero).

b) poderá preencher manualmente o cam-po ID sem fazer nenhuma alteração na estrutura da tabela, desde que escolha o primeiro valor como 1 (um).

c) poderá preencher manualmente o cam-po ID sem fazer nenhuma alteração na estrutura da tabela, desde que preen-cha inicialmente os outros dois campos.

d) deverá retirar o atributo de chave pri-mária deste campo para preencher ma-nualmente o campo ID.

e) deverá alterar o tipo deste campo, reti-rando a opção de Autonumeração, para preencher manualmente o campo ID.

Julgue os seguintes itens, acerca de proje-tos, administração de usuários e acessos de bancos de dados relacionais.

15. Em um sistema de banco de dados no qual seja implementado um controle de acesso mandatório, o acesso a objetos de dados será permitido de acordo com a classificação do objeto e do nível de liberação do usuário.


16. Em uma corporação onde existem muitos usuários de banco de dados cadastrados, é mais simples gerenciar autorizações de acesso em um sistema de banco de dados com controle de acesso mandatório que em um banco de dados com controle de acesso discricionário.


17. Relações representam conjuntos de dados no modelo relacional, estando associadas com as tabelas em um banco de dados rela-cional.


18. A utilização de um sistema de controle de acesso mandatório é aplicável nos casos em que a estrutura de classificação de dados do banco de dados é estática.


19. A adoção de controle de acessos a dados aderente ao modelo mandatório depende da adoção de procedimentos de rotulagem de segurança que sejam aplicáveis tanto aos usuários quanto aos dados.


20. Na criação do banco de dados físico, é re-comendável deixar fora do banco de dados os módulos de software (procedures etc.) que utilizem e manipulem dados, a fim de se evitarem problemas de segurança e de-sempenho.


21. Banco de dados é:

a) uma relação de dependência entre da-dos que tem por objetivo atender a uma comunidade de usuários.

b) um conjunto de dados integrados que tem por objetivo impedir acessos inde-vidos a dados armazenados.

c) um conjunto de dados integrados que tem por objetivo atender a requisitos do sistema operacional.

d) um conjunto de dados integrados que tem por objetivo atender a uma comu-nidade de usuários.

e) uma estrutura de máquina virtual que tem por objetivo atender a necessida-des do software de acesso.



22. Um processo de normalização aplicado com rigor nas tabelas relacionais de um modelo de dados poderá implicar em

a) menor segurança nos acessos aos siste-mas.

b) menor desempenho em transações de consultas.

c) maior redundância de dados nos arqui-vos.

d) maior simplificação na administração das tabelas.

23. No controle de acesso de um banco de da-dos, há o tipo de técnica na qual se atribuem níveis de proteção aos objetos do banco de dados e níveis de privilégios a grupos de usuários. O acesso de um determinado gru-po a um objeto é permitido se o seu nível de privilégio for maior ou igual ao nível de proteção desse objeto. Tal técnica recebe a denominação de controle

a) mandatório.b) distributivo.c) distintivo.d) parcial.e) integral.

24. Uma chave primária é composta de um re-gistro único, o qual identifica a entidade.


25. Em um banco de dados relacional, a criação de uma nova forma de pesquisa capaz de melhorar a pesquisa de uma lista de empre-gados denomina-se independência de da-dos lógica.


26. O modelo de dados físico é considerado de baixo nível, o que significa que somente os sistemas gerenciadores de banco de dados conseguem interpretá-lo.


27. A gestão de metadados permite o arma-zenamento detalhado das informações de tabelas existentes em um sistema de geren-ciamento de banco de dados, além dos pro-cessos de extração, transformação e carga associados a essas tabelas.


28. Dados e metadados podem ser consultados e alterados por qualquer usuário que aces-sa um banco de dados.


29. Acesso monousuário e independência de dados são algumas das vantagens da utiliza-ção de um SGBD.


30. um SGBD é capaz de garantir acesso eficien-te a um grande volume de dados, mas não é capaz de garantir a segurança dos dados armazenados.


31. Softwares gerenciadores de banco de dados são programas que gerenciam uma coleção de fatos inter-relacionados e podem arma-zenar dados, atualizá-los, manipulá-los, re-cuperá-los e reportá-los, em uma variedade de visualizações.


32. Um dos motivos que dificultam a avaliação de desempenho de um banco de dados é a falta de padrões de medidas relacionadas a esse aspecto.




33. O nível de visão é o nível mais baixo de abs-tração e descreve completamente o banco de dados.


34. Um banco de dados distribuído é aquele cujos dados estão armazenados em diver-sos bancos de dados localizados em sítios distintos, o que gera como resultado a união lógica desses bancos de dados reais.


35. As três principais etapas de execução de um projeto de banco de dados são projeto lógi-co, projeto físico e criação do banco de da-dos


36. Consistência é considerada uma proprieda-de das transações para os sistemas de ban-cos de dados.


37. Uma das atribuições do administrador de banco de dados é definir a estratégia que determinará como será feito o becape do banco de dados


38. Em um sistema gerenciador de banco de dados, a linguagem de definição de dados possibilita a criação das tabelas bem como a autorização de acesso aos dados para de-terminados usuários do banco de dados.


39. As chaves estrangeiras são empregadas em um SGBD para garantir a restrição de inte-gridade, ou seja, a exatidão e a consistência

dos dados em um banco de dados relacio-nal.


40. O administrador de banco de dados tem como atribuição, entre outras, decidir que dados devem ser armazenados no banco de dados e estabelecer normas para manter e tratar esses dados


41. Um modelo de dados pode ser usado para representar os tipos de dados existentes em um banco de dados de um sistema online de reservas


42. Diferentemente de quando se define um modelo conceitual de dados, ao se definir um modelo lógico de dados deve-se levar em consideração o sistema de gerência de banco de dados (SGBD) no qual o banco de dados será implementado


43. O tunning de um banco de dados relacional deve garantir a normalização das tabelas implementadas


44. Em um banco de dados, um relacionamento ocorre quando um atributo de uma entida-de refere-se a outra entidade


45. No nível de conta, o administrador de ban-co de dados especifica os privilégios para o usuário acessar cada relação ou visão indivi-dual no banco de dados




46. Nas organizações, o emprego de sistemas gerenciadores de banco de dados promo-ve a segurança e a consistência dos dados, favorecendo a redundância e garantindo a integridade dos dados


47. As soluções de big data focalizam dados que já existem, descartam dados não estrutura-dos e disponibilizam os dados estruturados


48. A administração de banco de dados pressu-põe a realização de atividades de definição do projeto lógico do banco de dados, a che-cagem de segurança e integridade e o pro-jeto físico do banco de dados, mas não deve se ocupar da forma como os dados serão representados na base de dados, uma vez que essa atividade é de responsabilidade da equipe de suporte técnico.


49. O processo de normalização provê tanto a análise de desempenho quanto a otimiza-ção de consultas nos bancos de dados rela-cionais, haja vista ser composto de estágios sucessivos — formas normais — a partir de um conjunto de regras distintas de depen-dência de dados; logo, quanto mais norma-lizado estiver um banco de dados, melhor será seu desempenho na recuperação de dados


50. Em um banco de dados distribuído, os ser-vidores de banco envolvidos não precisam, necessariamente, possuir a mesma configu-ração de hardware


51. Para assegurar a integridade dos dados, exige-se que um sistema de banco de dados mantenha as seguintes propriedades das transações: atomicidade, consistência, iso-lamento e durabilidade


52. Mineração de Dados é um conjunto de mé-todos, tecnologias e estratégias para atra-ção voluntária de visitantes, buscando a conversão consistente de leads em clientes (realização de compra).


53. Minerar os dados é o uso de teorias, méto-dos, processos e tecnologias para organizar uma grande quantidade de dados brutos para identificar padrões de comportamen-tos em determinados públicos.


54. Os processos de informação fundamentam--se em dado, informação e conhecimento, sendo este último o mais valorado dos três, por ser composto por experiências tácitas, ideias e valores, além de ser dinâmico e acessível por meio da colaboração direta e comunicação entre as pessoas detentoras de conhecimento.


55. Mineração é o processo de descoberta de novas correlações, padrões e tendências entre as informações de uma empresa, por meio da análise de grandes quantidades de dados armazenados em bancos de dados usando técnicas de reconhecimento de pa-drões, estatísticas e matemáticas.


56. A Mineração de Dados não requer interação com analistas humanos, pois os algoritmos



utilizados conseguem determinar de forma completa e eficiente o valor dos padrões encontrados.


57. Na mineração de dados, encontrar padrões requer que os dados brutos sejam sistema-ticamente "simplificados", de forma a des-considerar aquilo que é genérico e privile-giar aquilo que é específico.


58. – É Big Data um grande banco de dados vol-tado para dar suporte necessário nas deci-sões de usuários finais, geralmente geren-tes e analistas de negócios.


59. Data Mining refere-se à busca de informa-ções relevantes a partir de um grande volu-me de dados.


60. O trabalho de um administrador de banco de dados é apoiado por documentos essen-ciais como o MER, o dicionário de dados, acordo de nível de serviço e o plano de ca-pacidade.


Com base nos modelos de banco de dados, julgue os itens subsequentes.

61. O modelo de dados físico é considerado de baixo nível, o que significa que somente os sistemas gerenciadores de banco de dados conseguem interpretá-lo.


62. A visão interna de um banco de dados é uma representação de baixo nível descrita por meio de um esquema interno no qual estão descritos os registros físicos de arma-zenamento dos dados.


63. Nos projetos de banco de dados, a escolha do SGBDR deve ocorrer antes da elaboração do modelo conceitual de dados para que haja compatibilidade entre o modelo e o software adotado.


64. No Excel, um banco de dados pode ser cria-do porque existe uma opção de importação e exportação de dados. Por não haver co-mando correspondente no Calc, do BrOffi-ce, não é possível a criação de um banco de dados neste aplicativo.


65. Na criação do banco de dados físico, é re-comendável deixar fora do banco de dados os módulos de software (procedures etc.) que utilizem e manipulem dados, a fim de se evitarem problemas de segurança e de-sempenho.


66. Um SGBD deve gerenciar o acesso múltiplo aos dados de uma tabela s em ocasionar perda da integridade dessas informações.


67. Em soluções Big Data, a análise dos dados comumente precisa ser precedida de uma transformação de dados não estruturados em dados estruturados.




68. Devido à quantidade de informações mani-puladas, a (cloud computing) computação em nuvem torna-se inviável para soluções de big data.


69. Ao utilizar armazenamento dos dados em nuvem, a localização do processamento de aplicações Big Data não influenciará os cus-tos e o tempo de resposta, uma vez que os d ados são acessíveis a partir de qualquer lugar.


70. O uso prático de data mining envolve o em-prego de processos, ferramentas, técnicas e métodos oriundos da matemática, da esta-tística e da computação, inclusive de inteli-gência artificial.


71. A finalidade do uso do data mining em uma organização é subsidiar a produção de afir-mações conclusivas acerca do padrão de comportamento exibido por agentes de in-teresse dessa organização.


72. No ambiente organizacional, devido à gran-de quantidade de dados, não é recomenda-do o emprego de data mining para ativida-des ligadas a marketing.


73. Uma big data não engloba dados não estru-turados, mas inclui um imenso volume de dados estruturados suportado por tecnolo-gias como o DataMining e o DataWarehou-se para a obtenção de conhecimento a par-tir da manipulação desses dados.


74. Além de estar relacionado à grande quanti-dade de informações a serem analisadas, o Big Data considera o volume, a velocidade e a variedade dos dados estruturados — dos quais se conhece a estrutura de armazena-mento — bem como dos não estruturados, como imagens, vídeos, áudios e documen-tos.


75. As soluções de big data focalizam dados que já existem, descartam dados não estrutura-dos e disponibilizam os dados estruturados.


76. A Big Data pode ser utilizada na EAD para se entender as preferências e necessidades de aprendizagem dos alunos e, assim, con-tribuir para soluções mais eficientes de edu-cação mediada por tecnologia.


77. O registro e a análise de conjuntos de da-dos referentes a eventos de segurança da informação são úteis para a identificação de anomalias; esse tipo de recurso pode ser provido com uma solução de big data.


Gabarito: 1. E 2. C 3. D 4. B 5. D 6. C 7. B 8. A 9. E 10. C 11. E 12. C 13. D 14. E 15. C 16. C 17. C 18. C 19. C 20. E 21. D 22. B 23. A 24. E 25. E 26. E 27. C 28. E 29. E 30. E 31. C 32. C 33. E 34. C 35. E 36. C 37. C 38. C 39. C 40. E 41. C 42. E 43. E 44. C 45. E 46. E 47. E 48. E 49. E 50. C 51. C 52. E 53. C 54. C 55. C 56. E 57. E 58. C 59. C 60. C 61. E 62. E 63. E 64. E 65. E 66. C 67. C 68. E 69. E 70. C 71. C 72. E 73. E 74. C 75. E 76. C 77. C

sefaz - s3.amazonaws.com · 3 informática banco de dados um banco de dados ou base de dados (sua...

Documents