Professional Documents
Culture Documents
Caderno do Participante
Papel
O Profissional
2
Modelagem de Dados
Caderno do Participante
MODELAGEM DE DADOS
Realizao:
Diretoria de Tecnologia Ditec
Gepes Braslia DF
Maio/2008
4
Modelagem de Dados
Caderno do Participante
INDICE
APRESENTAO ..................................................................................................................................... 7
CARACTERSTICAS DO CURSO.......................................................................................................... 8
1. INTRODUO ................................................................................................................................. 9
1.1. MODELAGEM ............................................................................................................................ 9
1.1.1 O que modelagem? ............................................................................................................ 9
1.2. MODELAGEM DE SISTEMAS.................................................................................................... 11
1.2.1 Para que modelamos? ........................................................................................................ 11
1.2.2 Por que modelamos? .......................................................................................................... 12
1.2.3 Escopo, prazo e recurso. .................................................................................................... 14
1.2.4 Como modelamos? ............................................................................................................. 15
1.3. MODELAGEM DE DADOS ........................................................................................................ 15
1.3.1 Viso Geral ......................................................................................................................... 15
1.3.2 A evoluo da modelagem de dados ................................................................................... 18
1.3.3 Modelo Hierrquico ........................................................................................................... 19
1.3.4 Modelo de rede ................................................................................................................... 21
1.3.5 Teoria Relacional ............................................................................................................... 22
1.3.6 Modelo Entidade Relacionamento (MER) ....................................................................... 23
1.3.7 Modelo Relacional .............................................................................................................. 23
1.3.8 Modelagem de Dados no Banco do Brasil ......................................................................... 24
2. MODELAGEM DE DADOS CONCEITUAL .............................................................................. 26
2.1 DISPOSIES GERAIS ............................................................................................................. 26
2.2 ESTRUTURAS ........................................................................................................................... 28
2.2.1 Entidades ............................................................................................................................ 28
2.2.2 Atributos ............................................................................................................................. 30
2.2.3 Relacionamentos................................................................................................................. 34
2.2.4 Generalizao/Especializao ........................................................................................... 39
2.3 TCNICA DE IDENTIFICAO DOS OBJETOS DE DADOS CONCEITUAIS ................................ 42
2.4 SITUAES EM MODELAGEM DE DADOS QUE INDICAM A OCORRNCIA DE ERROS ............. 48
3. MODELAGEM DE DADOS LGICA ........................................................................................ 49
3.1 DISPOSIES GERAIS ............................................................................................................. 49
3.2 CARACTERSTICAS DO MODELO DE DADOS LGICO ............................................................ 50
3.3 OBJETOS DO MODELO DE DADOS LGICO ............................................................................ 50
3.3.1 Entidade.............................................................................................................................. 50
3.3.2 Atributo ............................................................................................................................... 52
3.3.3 Chaves ................................................................................................................................ 53
3.3.4 Relacionamentos................................................................................................................. 54
3.3.5 Supertipo / Subtipo (Generalizao / Especializao) ....................................................... 59
3.4 DESLOCAMENTO DA CHAVE ESTRANGEIRA .......................................................................... 60
3.5 CONVENES POSICIONAIS EM MODELOS DE DADOS .......................................................... 62
3.6 DERIVAO DO MODELO LGICO A PARTIR DO MODELO CONCEITUAL ............................ 63
3.7 SITUAES EM MODELAGEM DE DADOS QUE INDICAM A OCORRNCIA DE ERROS ............. 66
3.8 NORMALIZAO ..................................................................................................................... 67
3.8.1 Normalizao at a 3 FORMA NORMAL ......................................................................... 67
3.8.2 Outras Formas Normais ..................................................................................................... 71
3.9 RESTRIO DE INTEGRIDADE ................................................................................................ 71
3.10 VALIDAO DO MODELO DE DADOS LGICO ....................................................................... 72
3.11 PADRES DE MODELAGEM NO BB ......................................................................................... 73
3.11.1 Padronizao de Nomes ................................................................................................ 73
3.12 GLOSSRIO DA TECNOLOGIA OU GLOSSRIO DE TERMOS .................................................. 74
3.13 PADRONIZAO DE CORES .................................................................................................... 74
3.14 FERRAMENTAS DE MODELAGEM ........................................................................................... 74
3.14.1 Verificador & Conversor ............................................................................................... 74
3.14.2 Ferramenta de Modelagem de Dados ............................................................................ 74
6
Modelagem de Dados
Caderno do Participante
APRESENTAO
Bom estudo!
CARACTERSTICAS DO CURSO
8
Modelagem de Dados
Caderno do Participante
1. INTRODUO
1.1. Modelagem
Modelar uma atividade inerente capacidade de raciocinar do ser humano e
mostra-se presente desde os primrdios da humanidade.
Assim, ele descobria, ainda que intuitivamente, que a modelagem, como parte
de um processo de conhecimento, estava intimamente associada etapa de
planejamento de qualquer atividade mais complexa. Por intermdio de um
modelo, era possvel melhor observar a realidade que se desejava conhecer e,
ento, estud-la, experiment-la, assimil-la.
10
Modelagem de Dados
Caderno do Participante
12
Modelagem de Dados
Caderno do Participante
Custos de um Sistema
Requisitos
5% Projeto
25%
Codificao Modelagem
Manuteno 5%
65%
Outros
Cdigo
10%
7%
Requisitos
Modelagem
56%
27%
Profissionais de Desenvolvimento
14
Modelagem de Dados
Caderno do Participante
Custo e qualidade
Dado:
sequncia de smbolos quantificados ou quantificveis (Valdemar
Setzer);
nmeros, textos, imagens sem significado;
sinttico;
Informao:
abstrao informal (no pode ser formalizada atravs de uma teoria
lgica ou matemtica) e mental que representa algo significativo para
algum (Valdemar Setzer);
semntico;
dado contextualizado (Keith Devlin );
dado associado a um significado;
conjunto de dados aplicveis a determinada situao;
nmeros, textos, imagens com significado;
dados com utilidade; (quem, o que, onde, quanto, quando).
Conhecimento:
abstrao interior, pessoal de algo que foi experimentado, que foi vivido
por algum (Valdemar Setzer);
informao internalizada e que pode ser utilizada (Keith Devlin);
combinao de instintos, idias, regras e procedimentos que dirigem
pensamentos e aes;
entendimento de uma informao que nos permite ter opinies, tomar
decises, formar julgamentos ou fazer previses;
aplicao de dados e informaes.
Sabedoria:
cincia;
conjunto de conhecimentos socialmente adquiridos ou produzidos,
historicamente acumulados, dotados de universalidade e objetividade
que permitem sua transmisso, e estruturados com mtodos, teorias e
linguagens prprias, que visam compreender e orientar as atividades
humanas.
16
Modelagem de Dados
Caderno do Participante
Mais frente, veremos com detalhes o que so, como so utilizados, para que
servem e como se relacionam os componentes de um Modelo de Dados.
18
Modelagem de Dados
Caderno do Participante
Modelos Fsicos:
Modelo Unificador (unifying model):
Estrutura de Memria (frame memory).
M3 MARIA NEUROLOGIA
20
Modelagem de Dados
Caderno do Participante
Note que, nesta estrutura, a rvore se inicia com apenas um pai (tambm
chamado de root) que pode ou no se relacionar com um ou mais filhos,
mas um filho s pode se relacionar com um nico pai.
Med_cons Pac_cons
10/1 14
M2 CARLOS CARDIOLOGIA P2 GERSON
14/1 15
MDICO PACIENTE
Cd_Med Nome_Med Especialidade Cd_Pac Nome_Pac
M1 Leon Pediatria P1 Lisandra
M2 Carlos Cardiologia P2 Gerson
M3 Maria Neurologia P3 Matias
CONSULTA
Cd_Med Cd_Pac Dia Hora
M1 P1 2/1 14
M2 P3 7/2 10
M3 P3 10/1 11
22
Modelagem de Dados
Caderno do Participante
Matrcula Cdigo
Nome Sala
Endereo Perodo
(1,n) (1,1)
ALUNO Compe TURMA
Com o passar dos anos, a metodologia proposta por Peter Chen passou por
transformaes efetuadas no s pelo prprio autor, como por estudiosos
(James Martin, Chris Date, James Rumbaugh, a Fora Area Americana) dela
derivando-se outras metodologias e notaes.
aperfeioada mais tarde por outros estudiosos, como Chris Date. Ainda que a
Teoria Relacional tenha sido proposta no incio da dcada de 70, somente na
dcada seguinte que se firmou, concomitantemente ao uso da modelagem
relacional em projetos de bancos de dados.
24
Modelagem de Dados
Caderno do Participante
Atributo 1
Atributo 2
26
Modelagem de Dados
Caderno do Participante
2.2 Estruturas
Como visto anteriormente, Peter Chen publicou, em 1976, um artigo onde
props um novo artefato para modelar dados: o Modelo Entidade-
Relacionamento, tambm conhecido como MER.
O MER, que uma representao dos dados em alto nvel de abstrao, ainda
hoje o artefato mais utilizado para a elaborao de um Modelo de Dados
Conceitual.
2.2.1 Entidades
28
Modelagem de Dados
Caderno do Participante
PESSOA CIDADE
MDICO
Dicionarizao da Entidade
Assim, se em uma caixa colocamos clipes, essa caixa pode ser chamada de
repositrio de clipes. Porm se colocarmos, alm dos clipes, lpis, borracha,
caneta e cola, ela no dever se chamar mais de repositrio de clipes e sim
repositrio de material de expediente. Se assim no for, poderemos incorrer
em uma anomalia de modelagem de dados conhecida como ambiguidade, em
que duas ou mais interpretaes so possveis para o mesmo objeto.
2.2.2 Atributos
30
Modelagem de Dados
Caderno do Participante
Exemplo:
NOME DO PRODUTO e TEXTO DO PRODUTO so atributos da entidade
PRODUTO.
NOME DA MODALIDADE DE PRODUTO, NOME FANTASIA DA
MODALIDADE DE PRODUTO, so atributos da entidade MODALIDADE DE
PRODUTO.
Os atributos so representados no diagrama original de Chen por uma elipse
contendo o nome do atributo e conectada entidade qual pertena.
Telefone
MDICO
Nome
Cdigo
Telefone (0,N)
MDICO
Nome
Cdigo
Dessa forma, podemos concluir que determinado mdico pode no ter telefone
(cardinalidade mnima zero) ou pode ter vrios (cardinalidade mxima N).
A cardinalidade dos atributos CDIGO e NOME (1,1). Por conveno, ela foi
omitida do diagrama.
Entidade Atributos
CLIENTE
Identidade Nome Endereo Telefone Altura Peso
123567-PB Ezequiel S Rua Felix,45 3223.1111 1,87 84
675432-CE Jane Sales Beira Mar,24 3224.2222 1,65 60
757575-PE Caio Graco Dias S,42 3226.4444 1,72 70
Domnios
Altura
Peso
32
Modelagem de Dados
Caderno do Participante
Dicionarizao do Atributo
Sempre que possvel, informar tambm exemplos dos domnios que o atributo
pode assumir.
2.2.3 Relacionamentos
34
Modelagem de Dados
Caderno do Participante
Cdigo do Aluno
Nome do Aluno
ALUNO
(1,1)
Compe
Cdigo do Curso Cdigo do Curso
Nome do Curso Cdigo do Aluno
(0,N)
(1,1) (0,N)
Opta
ALUNO DO
CURSO CURSO
(1,1) (1,1)
Compe Contm
(0,N) (0,N)
(1,1) (0,N) (1,1) (0,N)
MATRIA Contm
GRADE
CURRICULAR Forma TURMA
(1,1) Esposo
PESSOA CASA
(1,1) Esposa
Funo
Dicionarizao do Relacionamento
Cardinalidade de Relacionamento
36
Modelagem de Dados
Caderno do Participante
Cardinalidade mnima
A cardinalidade mnima o nmero que expressa a quantidade mnima de
ocorrncias da entidade que podem participar do relacionamento com outra
entidade. A cardinalidade mnima pode ser igual a zero (significando que no
obrigatria a ocorrncia da entidade no relacionamento) ou um (neste caso,
indicando a obrigatoriedade da ocorrncia da entidade no relacionamento).
Uma boa dica para identificar a cardinalidade mnima perguntar se pode no
existir a relao.
Cardinalidade mxima
(1,1) (1, N)
DEPARTAMENTO Lotado EMPREGADO
(0,1) (0,1)
DEPARTAMENTO Gerencia EMPREGADO
(0, N) (1,N)
PROJETOS Participa EMPREGADO
(1,1) (0,2)
PROJETOS Coordena EMPREGADO
(1,1) (0,N)
EMPREGADO Possui DEPENDENTE
(1,1) (0,N)
CLIENTE Abre CONTA
Data de abertura
Cardinalidade 1 para 1
Exemplo:
(1,1) (0,1)
PESSOA CLIENTE
38
Modelagem de Dados
Caderno do Participante
Cardinalidade 1 para N
(1,1) (0,N)
Possui MODALIDADE
PRODUTO DO PRODUTO
Exemplo:
cada ocorrncia da entidade Produto pode se relacionar com vrias
ocorrncias da entidade Modalidade de Produto;
cada ocorrncia da entidade Modalidade de Produto sempre se relaciona
com uma nica ocorrncia da entidade Produto.
Cardinalidade N para N
Exemplo:
(1,N) (0,N)
Celebra CONTRATO DE
CLIENTE OPERAO
2.2.4 Generalizao/Especializao
Tipo de Pessoa
Nome da Pessoa
Endereo (M)
PESSOA
PESSOA PESSOA
FSICA JURDICA
(0,N)
Possui
(0,N) FORMAO
ESCOLAR
40
Modelagem de Dados
Caderno do Participante
Cdigo do Cliente
CLIENTE Nome do Cliente
CPF T CNPJ
Sexo Tipo de Organizao
PESSOA PESSOA
FSICA JURDICA
Cdigo do Funcionrio
FUNCIONRIO Nome do Funcionrio
P CRM
CREA Especialidade
ENGENHEIRO MDICO
Cdigo da Pessoa
PESSOA Nome da Pessoa
CPF CNPJ
PESSOA PESSOA
FSICA JURDICA
Cdigo da Pessoa
PESSOA Nome da Pessoa
CLIENTE FUNCIONRIO
42
Modelagem de Dados
Caderno do Participante
44
Modelagem de Dados
Caderno do Participante
Resultado:
46
Modelagem de Dados
Caderno do Participante
Resultado:
descrio_crime,
local_crime,
data_crime,
visto_chefe.
o Arma:
nmero_arma,
descrio_arma.
Resultado:
nome_criminoso nome_vtima
endereo_criminoso endereo_vtima
rg_criminoso rg_vtima
M N
CRIMINOSO Ataca VTIMA
M M
nmero BO
data_crime
local_crime
N N
Comete CRIME Sofre
N descrio_crime
visto_chefe
Usada
nmero_arma
descrio_arma
M
ARMA
48
Modelagem de Dados
Caderno do Participante
O MDL no deve conter entidades que representem tabelas que sejam tpicas
apenas do Modelo Fsico (Lderes, Parmetros, Logs, Histricos), bem como
entidades derivadas (Totalizaes ou Estatsticas), visto que tais objetos no
representam aspectos negociais.
3.3.1 Entidade
MOEDA
CDIGO DA MOEDA
NOME DA MOEDA
SMBOLO DA MOEDA
CDIGO DO PAIS EMISSOR DA MOEDA (FK)
CDIGO DA MOEDA NO BANCO CENTRAL DO BRASIL
PESSOA
Cdigo Nome
37 Joo
245 Maria
Tipos de Entidade
3.3.2 Atributo
52
Modelagem de Dados
Caderno do Participante
3.3.3 Chaves
Chave Candidata
A chave primria pode ser natural ou artificial. Uma chave primria natural
formada por um ou mais atributos que fazem parte do negcio que est sendo
modelado. Por outro lado, uma chave primria artificial composta por um
atributo que no representa nenhuma propriedade do negcio, geralmente um
nmero seqencial criado unicamente com a finalidade de identificar a
instncia da entidade.
Exemplos:
Nmero do chassi (VECULO) um exemplo de identificador natural.
Cdigo do Cliente (CLIENTE) e Cdigo do Produto (PRODUTO) so
exemplos de identificadores artificiais.
PESSOA PESSOA
Nome da Pessoa Cdigo da Pessoa
Data de Nascimento Nome da Pessoa
Nmero do CPF Data de Nascimento
Nmero do RG Nmero do CPF
Nmero do RG
Chave Natural
Chave Artificial
3.3.4 Relacionamentos
54
Modelagem de Dados
Caderno do Participante
Localiza Lota
/ Est localizado / Est Lotado
Relacionamento n:m
56
Modelagem de Dados
Caderno do Participante
Podemos, por outro lado, representar esta realidade fazendo associaes entre
essas entidades 2 a 2 (FUNCIONRIO PROJETO e PROJETO FUNO).
Desta forma, podemos identificar em quais projetos um funcionrio est
trabalhando. Sabemos tambm que nesses projetos existem algumas funes.
Porm, para termos uma viso de quais funes so desempenhadas por cada
funcionrio, deve-se efetuar o relacionamento entre as duas associativas que
surgem neste tipo de estrutura relacional e que dar origem entidade que
representa a FUNO DO FUNCIONRIO NO PROJETO.
Autorrelacionamento 1 para 1:
Autorrelacionamento 1 para N:
58
Modelagem de Dados
Caderno do Participante
Autorrelacionamento N para M:
60
Modelagem de Dados
Caderno do Participante
A opo acima a melhor, j que podemos garantir que quase todos os pases
possuem capital. Outra alternativa seria:
62
Modelagem de Dados
Caderno do Participante
64
Modelagem de Dados
Caderno do Participante
USURIO EMPRSTIMO
Cdigo do Usurio Cdigo do Emprstimo
LIVRO
Cgido do Livro
66
Modelagem de Dados
Caderno do Participante
3.8 Normalizao
A normalizao dos dados um processo no qual os atributos de um modelo
de dados so organizados para aumentar a coeso entre as entidades. Em
outras palavras, o objetivo da normalizao reduzir e at mesmo evitar a
redundncia dos dados, um ponto que merece considerao especial por parte
dos desenvolvedores de aplicaes, devido incrvel dificuldade em armazenar
objetos em um banco de dados relacional que mantm a mesma informao
em diferentes lugares.
A primeira forma normal enuncia que cada atributo de uma entidade pode
armazenar apenas um valor. Relaes com atributos multivalorados no so
consideradas em 1 FN.
Ex. E (#A, B, C, (D1, D2, D3), G, H); onde (D1, D2, D3) so grupos de
repetio.
E (#A, B, C, G, H);
68
Modelagem de Dados
Caderno do Participante
E1 (#A, E, F);
70
Modelagem de Dados
Caderno do Participante
E (#A, B, C, E);
E1 (#C, D, F);
Resumindo:
72
Modelagem de Dados
Caderno do Participante
Objetivos da Padronizao
74
Modelagem de Dados
Caderno do Participante
Como j dissemos, o MDL deriva do MDC. Porm, por causa da influncia das
ferramentas de modelagem, que em sua maioria no suportam a modelagem
conceitual, h uma confuso generalizada na utilizao de um e de outro tipo
de artefato. Devemos estar atentos para no construirmos nossos modelos j
como modelos lgicos de dados, apesar de isso ser tambm possvel.
76
Modelagem de Dados
Caderno do Participante
78
Modelagem de Dados
Caderno do Participante
80
Modelagem de Dados
Caderno do Participante
82
Modelagem de Dados
Caderno do Participante
Processos Crticos
Crtico que causa crise, que implica perigo ou risco, que vital.
Processos crticos
Desempenham funes essenciais para o sistema;
Podem representar riscos para a empresa;
Acontecem constantemente ou ininterruptamente.
Tm processamento pesado;
No priorizam tempo de resposta;
Necessitam cuidados especiais com restaurao.
Processos On-Line
Devem recuperar pouco volume de dados;
Priorizam tempo de resposta;
Priorizam disponibilidade de acesso;
Determinam cuidados especiais com segurana de acesso e
concorrncia.
4.5.2 Colunas
84
Modelagem de Dados
Caderno do Participante
O SGBD DB2 ao buscar os dados de uma linha da tabela o faz por meio do
processo de varredura de suas colunas, da primeira para a ltima. As colunas
que aceitam valores nulos, ou que so criadas com tamanho varivel
(VARCHAR, LONGVARCHAR, etc.), tm um byte de controle que contm,
entre outras informaes, o tamanho do contedo da coluna, e que deve ser
lido pelo DB2 para que ele possa determinar o incio do prximo campo. Na
criao da tabela, a ordem fsica das colunas pode evitar que o DB2 tenha que
passar por colunas que no sejam frequentemente solicitadas.
Por exemplo: uma coluna que represente o tipo de sexo na tabela Pessoa
Fsica ter como domnio os valores masculino e feminino.
86
Modelagem de Dados
Caderno do Participante
88
Modelagem de Dados
Caderno do Participante
Chave Candidata
Chave Secundria aquela chave candidata que no foi escolhida como chave
primria.
90
Modelagem de Dados
Caderno do Participante
4.5.6 ndices
ndice nico
ndice no nico
Para definir quais ndices so necessrios, e qual a melhor ordem das colunas
de suas chaves, necessria uma anlise dos tipos de consulta aos dados da
tabela, pela anlise dos requisitos do sistema, das regras de negcio e/ou das
instrues SQL Structured Query Language - embutidas nos programas
aplicativos.
A distribuio dos valores nas colunas do ndice deve ser tal que apenas uma
pequena parte do nmero total de linhas de uma tabela seja selecionada
(capacidade de filtragem dos dados).
Em uma consulta, ndices definidos com mais de uma coluna podem ser
usados acessando todas ou algumas dessas colunas, seguindo a ordem das
colunas da chave do ndice. Portanto, tal ordem deve ser estudada de forma
que um mesmo ndice possa otimizar o acesso de vrios tipos de consulta.
92
Modelagem de Dados
Caderno do Participante
Por exemplo, um ndice com trs colunas pode ser usado por consultas que se
refiram somente sua primeira coluna, por consultas que se refiram s suas
duas primeiras colunas, alm de consultas que se refiram, exatamente, s trs
colunas da chave. Logo, caso exista um ndice (no nico) cuja chave
composta pelas colunas X e Y e seja necessrio criar um ndice com as
colunas X, Y e Z (mantendo-se a ordem das duas primeiras colunas do ndice
j existente), o ndice anterior pode ser eliminado.
ndice Cluster
Caso nenhum ndice seja designado como CLUSTER, o ndice com data de
criao mais antiga ser utilizado para essa funo, mas, apenas para a
insero de novos valores na tabela (instruo INSERT).
No DB2, uma tabela pode ter apenas um ndice designado como CLUSTER.
94
Modelagem de Dados
Caderno do Participante
Onde:
rea total = (quantidade de registros) * (total da soma dos bytes das
colunas)
1 Gb = 1.073.741.824 bytes
96
Modelagem de Dados
Caderno do Participante
Neste ponto cabe uma pergunta: preciso preencher o MAL para todos os
programas do sistema? A resposta : No;
Abaixo, dois momentos em que o MAL pode ser de grande utilidade para o
Projeto final de Banco de Dados:
Tipo de Acesso:
1 Seleo (SELECT)
2 Pesquisa (WHERE)
3 Ordenao (ORDER BY)
4 Agrupamento (GROUP BY)
5 Juno (JOIN)
LEGENDA:
Qtde de linhas pesquisadas = Qtde de linhas da Tabela * Fator de Filtro Total da SQL
Sendo:
Fator de Filtro Total da SQL = Fator de Filtro Coluna1 * Fator de Filtro Coluna2 * Fator de Filtro ColunaN
Obs1: Fator de Filtro Coluna com Tipo de Clusula SQL pesquisa, Tipo de Operando
igualdade, Tipo de Ligao de Clusula AND e distribuio homognea para os valores de
domnio da coluna.
98
Modelagem de Dados
Caderno do Participante
Qtde de linhas pesquisadas = (Qtde de linhas da Tabela * Fator de Filtro Coluna1) + (Qtde de linhas da
Tabela * Fator de Filtro Coluna2) + (Qtde de linhas da Tabela * Fator de Filtro ColunaN)
Com base nos volumes e no perfil de acesso, analisados por meio do Modelo
de Dados e pelo MAL, deve-se elaborar o relatrio de apoio, que definir os
procedimentos a serem observados por tabela-foco.
100
Modelagem de Dados
Caderno do Participante
102
Modelagem de Dados
Caderno do Participante
104
Modelagem de Dados
Caderno do Participante
106
Modelagem de Dados
Caderno do Participante
A figura abaixo mostra a tela da opo 22 do sistema MOD com a janela que
aparece ao se pressionar a tecla F4 e que mostra os nomes de todas as
tabelas do modelo de dados fsico. Deve-se colocar um X ao lado do nome da
tabela que se quer transferir para o ambiente de Homologao ou de
Produo:
Tela que mostra todos os objetos relacionados tabela que se quer transferir.
110
Modelagem de Dados
Caderno do Participante
GLOSSRIO
TERMO DESCRIO
REFERNCIAS
PAULO COUGO - Modelagem Conceitual e Projeto de Bancos de Dados - Ed.
Campus, 1977.
112
Modelagem de Dados
Caderno do Participante
Modelagem de dados
http://paginas.unisul.br/ethizon/PDF/aula2_modelo_dados_6porPag.pdf
What is Data Modeling? - http://infogoal.com/dmc/dmcdmd.htm
Banco de Dados Notaes Grficas Utilizadas na Modelagem Conceitual
e/ou Lgica
http://arquivos.coinfo.cefetpb.edu.br/~crishane/BD_Tecnico/Aulas/7-
Nota%E7%F5es_Tec.ppt
Data modeling 101 - http://www.agiledata.org/essays/dataModeling101.html
Bancos de Dados Projeto de Banco de Dados e Modelagem E-R -
http://arquivos.coinfo.cefetpb.edu.br/~crishane/BD_Tecnico/Aulas/2-
modelagemER_Tec.ppt
Data Schema Normalization -
http://www.orthogonalsoftware.com/articles/DataSchemaNormalization.html
Modelo de Dados - http://www.inf.ufsc.br/~ronaldo/ine5613/3-
modeloRelacional.pdf
42 - aula2_modelo_dados_6porPag
14 - Notao na engenharia de informao
21 - Agile data 01 - Data Modeling 101
62 - Modelo Relacional
Site da AD
Apostila do curso anterior do BB de Modelagem de Dados
Modelagem de Dados - Data : 10 de Fevereiro de 2003 - 17:37 -
http://www.guiadodelphi.com.br/ler.php?codigo=1084 /
Wikipedia
Carlos Alberto Caldo Jnior Projeto Fsico de Banco de Dados 07/10/2007
www.devmedia.com.br
114