Bases de Dados Não Relacionais

Código:

M.EIC032

Sigla:

BDNR

Áreas Científicas
Classificação	Área Científica
OFICIAL	Sistemas de Informação

Ocorrência: 2024/2025 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Engenharia Informática e Computação

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M.EIC	23	Plano de estudos oficial	1	-	6	39	162

Língua de trabalho

Português
Obs.: Suitable for English-speaking students.

Objetivos

A unidade curricular de BDNR tem como objetivo preparar os estudantes para conhecer, compreender, projetar e desenvolver, soluções baseadas em paradigmas e tecnologias de bases de dados não relacionais para o suporte de sistemas de informação.

Objetivos específicos: conhecer e compreender os principais conceitos e paradigmas das bases de dados não relacionais; capacitar os estudantes para a análise, desenho, implementação e avaliação de bases de dados não relacionais; projetar a componente de armazenamento e de interrogação de sistemas assentes em modelos não relacionais.

Resultados de aprendizagem e competências

Após completar a UC o estudante deverá ser capaz de:

• Reconhecer as situações em que as bases de dados relacionais não constituem a solução adequada para o armazenamento e acesso aos dados;
• Identificar e descrever os diversos modelos de bases de dados não relacionais e as situações típicas de utilização de cada um deles;
• Projetar, implementar e aceder a bases de dados construídas segundo as diversas abordagens não relacionais;
• Analisar os desafios associados a cenários complexos com grandes volumes de dados, propor soluções baseadas em modelos não relacionais e compreender os limites de cada uma delas;
• Combinar modelos relacionais e não relacionais em sistemas de informação.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Programação: conhecimento e prática com linguagens de programação para o desenvolvimento de aplicações.

Bases de Dados: conhecimento e prática de modelação de dados em UML, modelo relacional, linguagem SQL.

Programa

Bases de dados não relacionais:

• Introdução e motivação;
• Os desafios atuais dos dados: dimensão, variabilidade, paradigmas diferentes;
• Propriedades ACID e limites das bases de dados relacionais;
• Perspetiva histórica dos sistemas de gestão de bases de dados.

Propriedades das bases de dados não relacionais:

• O teorema CAP e as escolhas no projeto;
• Propriedades BASE;
• Consistência e técnicas de distribuição.

Seleção de casos de aplicação diversos, um por cada grupo de estudantes.

Estudar cada um dos paradigmas selecionados de acordo com o seguinte guião:

• Introdução e motivação;
• Modelo de dados e estruturas;
• Principais soluções;
• Acesso e manipulação dos dados;
• Escalabilidade, partição e desempenho;
• Cenários de utilização;
• Implementação dos casos de aplicação.

Paradigmas:

• Bases de dados chave-valor;
• Bases de dados de documentos;
• Bases de dados do tipo famílias de colunas;
• Bases de dados de grafos;
• Bases de dados multi-modelo e outras abordagens emergentes.

Comparação dos vários paradigmas.

Bibliografia Obrigatória

Sadalage, PJ, & Fowler, M.; NoSQL Diftered: A Brief Guide to the Emerging World of Polyglot Persistence, Pearson Education, 2013
Kleppmann , Martin; Designing data-intensive applications : the big ideas behind reliable, scalable, and maintainable systems. ISBN: 9781449373320

Bibliografia Complementar

Dan Sullivan; NoSQL For Mere Mortals, Addison-Wesley, 2015. ISBN: 978-0-13-402321-2
Wilfried Lemahieu; Principles of database management. ISBN: 978-1-107-18612-5
Perkins, L., Redmond, E., & Wilson, J.; Seven databases in seven weeks: a guide to modern databases and the NoSQL movement, Pragmatic Bookshelf, 2018
Robinson, I. Webber, J., & Eifrem, E.; Graph Databases, O'Reilly, 2013
Guy Harrison; Next Generation Databases, Apress, 2015. ISBN: 978-1-4842-1330-8

Métodos de ensino e atividades de aprendizagem

Os tópicos do programa são expostos numa série de sessões tutoriais (exposição teórica e trabalho laboratorial) e discussões em aula. Cada grupo de estudantes define e realiza um projeto ao longo do semestre, com parte do desenvolvimento, acompanhamento e avaliação, realizadas em aula.

Projeto: cada grupo seleciona uma tecnologia de base de dados não relacional para explorar em profundidade. O projeto inclui a definição de casos de uso adequados, modelação de dados, configuração e instalação da base de dados, e interação com a base de dados (criação e consulta). Os grupos também desenvolvem uma aplicação protótipo, tendo como resultado um relatório detalhado e uma apresentação com o objetivo de demonstrar os conhecimentos teóricos e práticos da tecnologia escolhida.

O desenvolvimento do projeto será acompanhado durante as aulas, e avaliado com base no acompanhamento, nas apresentações intermédias, num relatório técnico, e na apresentação final.

Casos de Estudo: ao longo do semestre, os grupos apresentam e analisam casos de estudo reais de implementação de bases de dados não relacionais, fomentando a discussão em aula e a compreensão das diferentes abordagens e soluções existentes no mercado.

Exame: prova de escolha múltipla, incluindo perguntas abertas.

Software

Cassandra
Git
Neo4j
Redis
PostgreSQL
Docker
MongoDB

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	40,00
Trabalho prático ou de projeto	60,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	84,00
Estudo autónomo	39,00
Frequência das aulas	39,00
Total:	162,00

Obtenção de frequência

Existem duas condições para a obtenção de frequência:

• (1) não exceder o número limite de faltas permitidas; e
• (2) obter a classificação mínima definida no projeto.

Fórmula de cálculo da classificação final

A classificação final será calculada usando a fórmula

Classificação = 60% Projeto + 40% Exame

A aprovação na unidade curricular está condicionada à obtenção de uma avaliação individual de 40% em ambas as componentes de avaliação (projeto e exame).

A obtenção de aprovação no projeto pressupõe a participação, de cada estudante, em todas as fases do projeto, nomeadamente na seleção das tecnologias, na identificação e caraterização do problema, no desenho e implementação da solução, na escrita do relatório final, e na participação nas apresentações e discussões intermédias e final.

A classificação final do projeto pode variar de elemento para elemento do mesmo grupo com base na opinião dos docentes e na autoavaliação e heteroavaliação a realizar internamente em cada grupo.

Provas e trabalhos especiais

Não há provas nem trabalhos especiais.

Avaliação especial (TE, DA, ...)

A avaliação distribuída, realizada durante o semestre de funcionamento da unidade curricular, é exigida a todos os estudantes, independentemente do regime de inscrição.

Os trabalhadores estudantes e equivalentes dispensados das aulas devem, com periodicidade a combinar com os docentes, apresentar a evolução dos seus trabalhos, assim como devem fazer a apresentação destes, simultaneamente com os estudantes ordinários, e realizar as provas teóricas de avaliação individual previstas.

Melhoria de classificação

Apenas a componente individual (exame) pode ser melhorada.