O documento apresenta os conceitos de Big Data e NoSQL. Define Big Data como a análise de grandes quantidades de dados estruturados e não estruturados para gerar novas informações. Apresenta os 5 Vs que caracterizam o Big Data (Volume, Variedade, Velocidade, Veracidade e Valor) e explica porque os bancos tradicionais não são adequados para lidar com Big Data. Resume também o que é NoSQL, apresentando alguns de seus tipos de armazenamento como alternativa aos bancos relacionais para lidar com a necessidade de escalabilidade

2. Banco de Dados II - 2015.1
Big Data e NoSQL

3. Big Data - Definição
O que não é:
3Imagem disponível em: <http://bit.ly/1HD7Q5V>

4. Big Data - Definição
O que é:
● Termo nasceu nos anos 90, na NASA.
● Descrição de grandes conjuntos de dados complexos que desafiavam os
limites computacionais tradicionais de:
○ captura
○ processamento
○ análise
○ armazenamento
4

5. Big Data - Definição
O que é:
“Conjuntos de dados extremamente amplos e que, por este motivo, necessitam de
ferramentas especialmente preparadas para lidar com grandes volumes, de forma que
toda e qualquer informação nestes meios possa ser encontrada, analisada e
aproveitada em tempo hábil.” [ALECRIM, 2013]
“Transformação na forma como a informação é captada, processada e disseminada em
todos os níveis da sociedade.” [AVOYAN, 2013]
“Análise de grandes quantidades de dados para a geração de resultados importantes
que, em volumes menores, dificilmente seriam alcançados.” [ALECRIM, 2013]
5

6. Big Data - Definição
MAS E AÍ? O QUE É ISSO???
CONCEITO DA ANÁLISE DE GRANDE
QUANTIDADE DE DADOS ESTRUTURADOS E
NÃO ESTRUTURADOS, GERANDO
INFORMAÇÕES ANTES NÃO RELACIONADAS.
6

7. Big Data - Contextualização
● Emails
● Blogs
● Redes Sociais
● Aplicações
● Gadgets
● IoT
● Cidades Inteligentes
7Imagem disponível em: <http://bit.ly/1JmL7ve>

8. Big Data - Contextualização
Crescimento na produção e fluxo de dados.
8
0 a 2003:
5 exabytes
até 2012:
2.7 zettabytes
até 2015:
8.1 zettabytes
Fonte: Intel Brasil em <http://bit.ly/1ObiC7g>
1 exabyte =
1.000.000.000 de
GB
1 zettabyte =
1.000.000.000 de
TB
Imagem disponível em: <http://bit.ly/1HD7XP2>

9. Big Data - Contextualização
9
Fontes: http://canaltech.com.br/noticia/redes/Estudo-preve-aumento-de-10x-no-trafego-global-de-dados-moveis-ate-2019/
http://olhardigital.uol.com.br/noticia/trafego-de-redes-sociais-mais-que-dobra-em-um-ano/39461
http://www1.folha.uol.com.br/tec/2015/02/1595790-redes-sociais-e-videos-lideram-trafego-de-web-movel-no-mundo-diz-estudo.shtml

10. Big Data - Contextualização
10
Fonte: http://www.cisco.com/web/PT/press/articles/2015/20150203.html

11. Big Data - Motivação
● Forma como estas informações são tratadas
● Informação é dinheiro!
● 1kg de ferro (R$ 3,81) vs. 1kg de satélite (U$$ 50.000)
● Uso destas informações como ativos empresariais
11

12. Big Data - Objetivos
Ter, a partir de análise de dados em massa,
informações valiosas sobre o que se analisa.
12

13. Big Data - Objetivos
Objetivos distintos:
● Combater o câncer
Em parceria com um consórcio da área de saúde, a IBM está usando seu supercomputador Watson para
escanear mutações genéticas e descobrir o melhor tratamento para cada tipo de câncer.
● Medir inflação
Em São Francisco,a startup Premise paga 700 colaboradores que tiram fotos do preço e disponibilidade
de alguns produtos nas prateleiras de 25 cidades na Ásia, América Latina (incluindo o Brasil) e Estados Unidos.
Reunidos, os dados são usados para medir inflação.
● Acabar com engarrafamentos
A Prefeitura de Dublin fez um acordo com IBM e usou câmeras e GPS para monitorar trânsito da cidade
a fim de evitar congestionamentos e a lotação de transportes públicos.
● Oferecer filmes
Hoje, o Netflix já usa dados de big data para indicar filmes para os usuários do site de acordo com suas
preferências.
13

14. Big Data - Objetivos
Objetivos distintos:
● Prever fim de namoro
Um algoritmo no Facebook analisou 8,6 bilhões de conexões de 1,3 milhão de usuários do Facebook
para aprender a prever quando um namoro está perto do fim.
● Evitar suicídios
O Durkheim é um projeto que acompanha redes sociais para detectar palavras e frases que
caracterizem o autor como um potencial suicida.
● Encontrar namorados
O OkCupid e outros sites de encontro já usam big data para identificar entre seus usuários cadastrados
quais são aqueles que tem a maior chance de formar casais com potencial de dar certo.
● Eleger candidatos
Nas eleições de 2012, Barack Obama recolheu por 18 meses dados sobre seus eleitores na internet. Isso
permitiu uma melhor compreensão dos interesses e preocupações do eleitorado e, provavelmente, o ajudou a
ser reeleito presidente dos EUA.
14

15. Big Data - Objetivos
Objetivos distintos:
● Evitar fraudes
Em parceria com a Accenture, uma grande operadora de celular brasileira (que a Accenture não conta
qual é por razões contratuais) desenvolveu um sistema baseado em big data voltado para a indústria
financeira. Ao informar dados relativos à localização de smartphones, a novidade pretende inibir as fraudes
nas compras com cartão.
● Espionar pessoas
Em 2013, Edward Snowden revelou a existência na NSA do X-Keyscore, que captura todo o conteúdo que
trafega na conexão interceptada para, depois, analisá-lo e extrair os dados desejados. Só em 2012, agências
federais dos EUA gastaram 5 bilhões de dólares com pesquisas em big data - o investimento deve chegar a 8
bilhões de dólares em 2017.
● Ganhar a Copa!!!
A Seleção Alemã usou uma solução de big data chamada Match Insights. O aplicativo deixa técnicos e
preparadores processarem todo o volume de informações que é gerado em uma partida ou mesmo na
preparação. Dessa forma, eles avaliam situações de jogo e descobrem o que é mais indicado para cada um da
equipe fazer nos treinos.
15

16. Big Data - Como Funciona
5 Vs do Biga Data
● Volume
● Variedade
● Velocidade
● Veracidade*
● Valor*
16

17. Big Data - Como Funciona
● Bancos Comuns, por que não?
○ Elasticidade
○ Padrão ACID (atomicidade, consistência, isolamento, durabilidade)
● O Big Data se baseia nas propriedades do padrão BASE
(basicamente disponível, estado leve, eventualmente consistente).
17

18. Big Data - Estudos de Caso
● IBM Many Eyes
● IBM Watson Analytics
18
manyeyes
Imagem disponível em: <http://bit.ly/1Oii5Av>

19. NoSQL
O que não é:
NoSQL não significa uma
negação ao SQL
19
Imagem disponível em: <http://bit.ly/1SriphD>

20. NoSQL
O que é:
NoSQL significa uma alternativa aos bancos de
dados relacionais.
20Imagem disponível em: <http://bit.ly/1e4CXia>

21. NoSQL - Definição
Segundo seu autor, Carlo Strozzi(2007), o
NoSQL "é completamente distinto do
modelo relacional e portanto deveria ser
mais apropriadamente chamado ‘NoREL’ ou
algo que produzisse o mesmo efeito".
21

22. NoSQL - Contextualização
● Popularização da Internet
● Crescimento na quantidade de dados
● Redes sociais
● Dados gerados através de dispositivos móveis
● Análise de dados
22

23. NoSQL - Contextualização
23
Fonte: http://www.bbc.com/portuguese/noticias/2015/04/150429_divulgacao_pnad_ibge_lgb

24. NoSQL - Motivação
● Escalabilidade
● Suporte a dados semiestruturados, não
estruturados ou complexos
● Necessidade de mais desempenho
● Dificuldades do SQL com distribuição
horizontal
24

25. NoSQL - Motivação
● Então o NoSQL é a solução
para todos os problemas?
● Bancos relacionais são mais indicados em
situações nas quais os dados são muito
importantes e não pode haver nenhuma
quebra de referência. Ex.: Transações
bancárias
25Imagem disponível em: <http://bit.ly/1Objqci>

26. NoSQL - Porque SGBDs não são recomendados?
Modelo de garantia baseado no ACID
Inviabiliza a distribuição de dados de forma elástica
Esse tipo de controle é quase inviável se dados e
processamento são divididos em vários nós
26

27. NoSQL - Teorema CAP
O Teorema CAP (Consistency,
Availability, Partition tolerance)
diz que só é possível garantir
duas dessas propriedades
simultaneamente em um
ambiente de processamento
distribuído de grande porte.
27

28. NoSQL - Como funciona
NoSQL utiliza o paradigma BASE, trazendo uma sensível
garantia de consistência dos dados, se comparados aos
SGBDs tradicionais.
BA -> se um nó cair, os outros continuam processando
Ss/Ec -> o banco está sempre em estado leve, de
mudanças, de acordo com as entradas de dados. Com o
tempo, consigue desenvolver um padrão de consistência.
28

29. NoSQL - Tipos de armazenamento
Há vários tipos de armazenamento, com
características específicas
Isso possibilita que cada banco seja usado para
uma finalidade diferente
29

30. NoSQL - Key/Value Store (Chave/Valor)
É o tipo mais simples.
Há uma chave e um valor para a mesma.
Aguenta mais carga de dados.
Possui a maior escalabilidade.
30Imagem disponível em:
<http://bit.ly/1gCE4Yl>
Imagem disponível em: <http://bit.ly/1I8o6Q3>Imagem disponível em: <http://bit.ly/1J1l54S>

31. NoSQL - Column Oriented Store
Bancos de dados relacionais que possuem
características do NoSQL.
Dados armazenados em colunas.
31Imagem disponível em:http://bit.ly/1TKNS0F Imagem disponível em: http://bit.ly/1RHEKMH Imagem disponível em: http://bit.ly/1KeZ9Vq

32. 32
Bancos relacionais Bancos orientados a coluna
id1, nome1, senha1
id2, nome2, senha2
id1, id2
nome1, nome2
senha1, senha2
NoSQL - Column Oriented Store

33. NoSQL - Wide Columns Store
Suporta várias linhas e colunas.
Permite subcolunas.
33Imagem disponível em: <http://bit.ly/1CHXPaS> Imagem disponível em: <http://bit.ly/1e1orba> Imagem disponível em: <http://bit.ly/1LaWEn8l>

34. NoSQL - Document Store
Baseados em documentos XML e JSON.
Podem ser localizados por ID único ou
qualquer registro no documento.
34Imagem disponível em: <http://bit.ly/1DhPeGQ> Imagem disponível em: <http://bit.ly/1JiVRL5> Imagem disponível em: <http://bit.ly/1I3FDuJ>

35. NoSQL - Graph Store
Mais complexo
Guarda objetos ao invés de registros.
35Imagem disponível em: <http://bit.ly/1M6DyxH> Imagem disponível em: <http://bit.ly/1M6DG0r> Imagem disponível em: <http://bit.ly/1HyGqhE>

36. NoSQL - Modelagem
A modelagem relacional é feita a partir de
uma estrutura de dados disponível. Que
respostas eu tenho?
A modelagem NoSQL é feita a partir de
padrões de acesso específicos do aplicativo.
Que perguntas eu tenho?
36

37. NoSQL - Modelagem
Na modelagem NoSQL é preciso ter uma
compreensão mais profunda de Estruturas de
Dados que na modelagem relacional.
A desnormalização e duplicação de dados é
muito importante nos bancos não relacionais.
Existem várias técnicas para modelar,
dependendo do tipo de banco NoSQL.
37

38. NoSQL - Modelagem
A desnormalização consiste em copiar os
mesmos dados em vários documentos ou
tabelas, com o objetivo de simplificar o
processamento de consultas
38

39. NoSQL - Modelagem
Algumas técnicas de modelagem:
● Desnormalização
● Agregação
● Agregados atômicos
● Chaves enumeráveis
● Redução de dimensionalidade
39

40. NoSQL - Estudo de Caso
40
Imagem disponível em: <http://bit.ly/1GmUCIz>

41. NoSQL - Estudo de Caso - Netflix
A empresa utiliza três tipos de bancos NoSQL:
● SimpleDB (Key/Value)
● HBase (Wide Columns)
● Cassandra (Wide Columns)
41

42. NoSQL - Estudo de Caso - Netflix
Por que usar SimpleDB?
● A Netflix utiliza o serviço AWS, da Amazon.
Como o SimpleDB também é da Amazon,
esta foi uma escolha natural.
● Operações como vários atributos chave de
linha e operações em lote também fizeram
diferença na escolha.
42

43. NoSQL - Estudo de Caso - Netflix
Por que usar HBase?
● Ele está muito ligado ao Hadoop
● Possibilita a escrita de consultas em tempo
real
● Possibilita combinar consultas HBase com o
lote Map-Reduce do Hadoop
43

44. NoSQL - Estudo de Caso - Netflix
Por que usar Cassandra?
● Grande capacidade de escalabilidade
● Consegue replicar dados assincronamente
através de múltiplas regiões geográficas
● Escala dinamicamente, adicionando
servidores sem necessidade de reiniciar ou
re-shard
44

45. Trabalho Prático
Locadora de Filmes
● Redis
● Recomendação por interesses
45

46. Q & A
1. Qual o conceito de Big Data?
R. Análise de grande quantidade de dados estruturados e não estruturados, gerando
informações antes não relacionadas.
2. Quais são as 5 características que definem o Big Data? (5 Vs)
R. Volume, Variedade, Velocidade, Veracidade, Valor
3. Por que é difícil trabalhar com Big Data nos bancos tradicionais?
R. Bancos tradicionais comprometem a elasticidade, são padrão ACID. O Big Data se
baseia nas propriedades do padrão BASE.
46

47. Q & A
4. O que é NoSQL?
R. É uma alternativa aos bancos de dados relacionais, devido a necessidade de mais
desempenho, suporte a dados complexos e escalabilidade.
5. O NoSQL é sempre o mais indicado em todos os casos?
R. Não! Os bancos relacionais são mais indicados se os dados forem muito importantes
e não puder haver quebra de referência.
6. Cite três tipos de armazenamento utilizados pelos bancos NoSQL:
R. Key⁄Value Store, Wide Columns Store, Document Store, Graph Store, Column
Oriented Store
47

48. Conclusão & Perguntas
Trabalho apresentado ao Professor Pablo, como requisito parcial para a obtenção de aprovação na
disciplina de Banco de Dados II, do curso de Bacharelado em Sistemas de Informação, no Instituto
Federal de Educação, Ciência e Tecnologia da Bahia. Vitória da Conquista, Julho de 2015.
Allexandre Sampaio Italo Miranda
48

49. Referências
ALECRIM, Emerson. O que é Big Data?. 2015. Disponível em: <http://www.infowester.com/big-data.php> Acesso em: 25 mar.
2015.
AVOYAN, Hovhannes. Big Data – O que é e por que é importante – Parte 01. 2013. Disponível em:
<http://imasters.com.br/gerencia-de-ti/tendencias/big-data-o-que-e-e-por-que-e-importante-parte-01/> Acesso em: 25 mar. 2015.
AVOYAN, Hovhannes. Big Data – O que é e por que é importante – Parte 02. 2013. Disponível em:
<http://imasters.com.br/tecnologia/big-data-o-que-e-e-por-que-e-importante-parte-02/> Acesso em: 25 mar. 2015.
AVOYAN, Hovhannes. Big Data – O que é e por que é importante – Parte 03. 2013. Disponível em:
<http://imasters.com.br/gerencia-de-ti/tendencias/big-data-o-que-e-e-por-que-e-importante-parte-03/> Acesso em: 25 mar. 2015.
AVOYAN, Hovhannes. Big Data – O que é e por que é importante – Parte 04. 2013. Disponível em:
<http://imasters.com.br/gerencia-de-ti/tendencias/big-data-o-que-e-e-por-que-e-importante-parte-04/> Acesso em: 25 mar. 2015.
COUTINHO, Emanuel F. (et al). Elasticidade em Computação na Nuvem: Uma Abordagem Sistemática. 31º Simpósio Brasileiro
de Redes de Computadores e Sistemas Distribuídos – SBRC 2013. Disponível em:
<http://sbrc2013.unb.br/files/anais/minicursos/minicurso-5.pdf> Acesso em: 20 jul. 2015.
49

50. Referências
CRIVELINI, Wagner. Minhas primeiras impressões sobre o NoSQL. 2013. Disponível em: <http://imasters.com.br/banco-de-
dados/minhas-primeiras-impressoes-sobre-o-nosql/> Acesso em: 25 mar. 2015.
FINLLEY, Klint. A grande lista de casos para usar NoSQL. 2011. Disponível em: <http://imasters.com.br/artigo/21646/banco-de-
dados/a-grande-lista-de-casos-para-usar-nosql/> Acesso em: 25 mar. 2015.
FRANÇA, Guilherme. Entenda melhor o NoSQL e o Big Data. 2013. Disponível em: <http://blog.websolute.com.br/entenda-
melhor-o-nosql-e-o-big-data/> Acesso em: 25 mar. 2015.
GUIMARÃES, Saulo P. 30 casos que mostram o impacto do big data no seu dia a dia. 2014. Disponível em:
<http://exame.abril.com.br/tecnologia/noticias/30-casos-mostram-o-impacto-do-big-data-no-dia-a-dia> Acesso em: 25 mar. 2015.
HAMANN, Renan. Do bit ao Yottabyte: conheça os tamanhos dos arquivos digitais [infográfico]. 2011. Disponível em:
<http://www.tecmundo.com.br/infografico/10187-do-bit-ao-yottabyte-conheca-os-tamanhos-dos-arquivos-digitais-infografico-.htm>
Acesso em: 04 mai. 2015.
HARVEY, Cynthia . 50 Top Open Source Tools for Big Data. 2012. Disponível em: <http://www.datamation.com/data-center/50-
top-open-source-tools-for-big-data-1.html> Acesso em: 30 abr. 2015.
50

51. Referências
IANNI, Vinicius. Introdução aos bancos de dados NoSQL. 2012. Disponível em: <http://www.devmedia.com.br/introducao-aos-
bancos-de-dados-nosql/26044> Acesso em: 25 mar. 2015.
INTELBRASIL. Afinal, o que é BIG DATA?. 2013. Disponível em: <https://www.youtube.com/watch?v=u0ux8D9skpM> Acesso
em: 26 abr. 2015.
KATSOV, Ilya. NOSQL DATA MODELING TECHNIQUES. 2012. Disponível em:
<https://highlyscalable.wordpress.com/2012/03/01/nosql-data-modeling-techniques/> Acesso em: 18 jul. 2015.
LIST OF NOSQL DATABASES. 2015. Disponível em: <http://nosql-database.org/> Acesso em: 25 mar. 2015.
MAYUMI, Priscila. Recursos para aprender noSQL. 2013. Disponível em: <http://imasters.com.br/banco-de-dados/recursos-para-
aprender-nosql/> Acesso em: 25 mar. 2015.
MERIAT, Vitor. Azure Table Storage e o NoSQL – Conceitos, ACID, BASE e o Big Data. 2013. Disponível em:
<http://www.vitormeriat.com.br/azure-table-storage-e-o-nosql-conceitos-acid-base-e-o-big-data/> Acesso em: 15 jul. 2015.
51

52. Referências
NASCIMENTO, Jean. NoSQL – você realmente sabe do que estamos falando?. 2010. Disponível em:
<http://imasters.com.br/artigo/17043/banco-de-dados/nosql-voce-realmente-sabe-do-que-estamos-falando/> Acesso em: 25 mar.
2015.
PRITCHETT, Dan. Base: An Acid Alternative. Queue - Object-Relational Mapping. Volume 6, 3ª edição. May/June 2008. Páginas
48-55.
ACM New York, NY, USA. Disponível em: <http://dl.acm.org/citation.cfm?id=1394128> Acesso em: 20 jul. 2015.
ROGENSKI, Renato. Uma entrevista didática sobre Big Data. 2013. Disponível em:
<http://exame.abril.com.br/tecnologia/noticias/uma-entrevista-didatica-sobre-big-data> Acesso em: 25 mar. 2015.
TARIFA, Alexandre. O que é big data e como usar na sua pequena empresa. 2014. Disponível em:
<http://exame.abril.com.br/pme/noticias/o-que-e-big-data-e-como-usar-na-sua-pequena-empresa> Acesso em: 25 mar. 2015.
TAURION, Cezar. A revolução do Big Data está prestes a acontecer. 2012. Disponível em:
<http://imasters.com.br/artigo/23437/banco-de-dados/a-revolucao-do-big-data-esta-prestes-a-acontecer/> Acesso em: 25 mar.
2015.
52

53. Referências
VARDANYAN, Mikayel. Um olhar sobre alguns bancos de dados NoSQL. 2012. Disponível em:
<http://imasters.com.br/artigo/22034/banco-de-dados/um-olhar-sobre-alguns-bancos-de-dados-nosql/> Acesso em: 25 mar. 2015.
VIEGAS, Fernanda. Planejamento de Vendas - O que é Big Data?. TEDx São Paulo. 2009. Disponível em:
<https://www.youtube.com/watch?v=sZf8F0dziJA> Acesso em: 26 abr. 2015.
VIEIRA, Marcos Rodrigues (et al). Bancos de Dados NoSQL: Conceitos, Ferramentas, Linguagens e Estudos de Casos no
Contexto de Big Data. Minicurso no Simpósio Brasileiro de Bancos de Dados - SBBD 2012. Disponível em:
<http://data.ime.usp.br/sbbd2012/artigos/pdfs/sbbd_min_01.pdf> Acesso em: 26 abr. 2015.
53