Plano de Ensino

Identificação

Disciplina

Banco de Dados 2

Curso

Engenharia de Software

Unidade

Faculdade de Ciências e Tecnologias em Engenharia (FCTE)

Universidade

Universidade de Brasília

Pré-requisito

Introdução a Banco de Dados

Carga horária

60h — 4 créditos

Estrutura

2 Encontros semanais de 2h, ao longo de 16 Semanas

Oferta

2026/2

Fio condutor

O ciclo de vida do dado, do byte gravado em disco à decisão tomada

Objetivo geral

Capacitar o estudante a projetar, implementar e justificar a camada de dados de um sistema de software, escolhendo tecnologias de armazenamento e processamento com base em evidências empíricas e em requisitos explícitos, ao longo de todo o ciclo de vida do dado.

Competências

Ao fim da disciplina, o estudante deve ser capaz de:

1. Descrever o que é engenharia de dados e situar o engenheiro de dados entre as demais funções técnicas e a liderança de uma organização.
2. Nomear os cinco estágios do ciclo de vida da engenharia de dados e os seis elementos subjacentes, e usá-los como vocabulário de projeto.
3. Avaliar uma arquitetura de dados à luz dos princípios de boa arquitetura, distinguindo acoplamento forte de fraco e decisão reversível de irreversível.
4. Escolher tecnologias ao longo do ciclo de vida com base em custo total de propriedade, interoperabilidade e medição própria, registrando a decisão em um ADR.
5. Caracterizar sistemas de origem — bancos de aplicação, APIs, arquivos, logs, filas e fluxos — e as garantias que cada um oferece.
6. Selecionar sistemas e abstrações de armazenamento, distinguindo arquivo, bloco e objeto, e warehouse, lake e lakehouse.
7. Implementar ingestão em lote e em fluxo contínuo, incluindo captura de dados de alteração, com tratamento de dados atrasados e de falhas.
8. Modelar e transformar dados para consumo analítico, escolhendo entre normalização, modelagem dimensional, Data Vault e tabelas largas.
9. Disponibilizar dados para análise, machine learning e ETL reverso, com camadas semânticas e definições de métrica explícitas.
10. Aplicar segurança e privacidade ao longo de todo o ciclo — privilégio mínimo, criptografia, monitoramento — e comunicar decisões de dados a público misto, técnico e gestor.

O livro-texto

Fundamentos de Engenharia de Dados, de Joe Reis e Matt Housley (Novatec, 2023 — tradução de Fundamentals of Data Engineering, O’Reilly, 2022), é o conteúdo desta disciplina. As 16 Semanas percorrem os capítulos 1 a 11 e os dois apêndices, na ordem do livro; os quatro módulos correspondem às suas três partes, com a Parte II dividida em dois. A numeração de capítulos é a mesma na edição em português e no original.

O ciclo de vida em cinco estágios e os seis elementos subjacentes são o vocabulário que a disciplina inteira usa, do primeiro Encontro à defesa.

Duas coisas que o livro não traz e que este plano acrescenta. A LGPD entra na Semana 14, ao lado do capítulo de segurança e privacidade, porque o Projeto Integrado exige análise de LGPD do que for construído e porque é a lei sob a qual esses dados são tratados. E os elementos subjacentes ganham tratamento explícito na Semana 2 e no Projeto Integrado, já que orquestração agendada e testes de qualidade são requisitos de produto do projeto e no livro não têm capítulo próprio.

O que fica de fora: internals de SGBD — B-tree × LSM-tree, MVCC, níveis de isolamento, leitura de planos de execução — são conteúdo do pré-requisito, Introdução a Banco de Dados. Esta disciplina usa o banco; não o abre.

As demais obras da bibliografia passam a ser complementares e aprofundam pontos específicos: Kleppmann nos sistemas distribuídos das Semanas 4 e 8, Kimball na modelagem dimensional da Semana 11, Silberschatz e Elmasri no que o pré-requisito deixou.

O eixo transversal da disciplina, apresentado adiante, é o capítulo 4 — Escolhendo tecnologias ao longo do ciclo de vida da engenharia de dados. É a leitura que fundamenta o Método de Decisão e a exigência de medição própria na avaliação de ADR.

Plano das 16 Semanas

A coluna No livro aponta o capítulo que sustenta cada Semana.

Seguindo a estrutura do livro, os elementos subjacentes — segurança, gerenciamento de dados, DataOps, arquitetura de dados, orquestração e engenharia de software — não têm Semana própria. São apresentados na Semana 2 e retomados em cada estágio do ciclo, que é exatamente como o livro os trata. Qualidade de dados, testes e orquestração agendada, exigidos pelo Projeto Integrado, entram por aí e são praticados no Projeto Integrado.

Módulo I — Fundamentos e componentes essenciais

Parte I do livro. Semanas 1 a 5.

No livro-texto: capítulos 1 a 4, na íntegra.

Módulo II — O ciclo em detalhes: origem, armazenamento e ingestão

Parte II do livro, primeira metade. Semanas 6 a 9.

No livro-texto: capítulos 5 a 7, mais o Apêndice A.

Módulo III — Consultas, modelagem, transformação e disponibilização

Parte II do livro, segunda metade. Semanas 10 a 13.

No livro-texto: capítulos 8 e 9, na íntegra.

Módulo IV — Segurança, privacidade e o futuro

Parte III do livro. Semanas 14 e 15.

No livro-texto: capítulos 10 e 11, mais o Apêndice B.

Encerramento

Mapeamento com o roadmap de Engenharia de Dados

O que a disciplina cobre, com que profundidade, e o que ela deliberadamente remete a outro lugar.

Metodologia

Aprendizagem orientada a projeto, com sala invertida e trabalho contínuo de Squad.

• Encontro conceitual (2 h) — exposição dialogada curta, de cerca de 40 minutos, seguida de estudo de caso ou leitura de paper e discussão dos compromissos arquiteturais em jogo. A leitura prévia é obrigatória: o Encontro discute o que você leu, não o resume.
• Projeto Integrado — Squads de 4 a 5 pessoas constroem, ao longo do semestre, uma plataforma de dados completa sobre um domínio real de dados abertos, em quatro Entregas incrementais.
• Diário de bordo — registro semanal curto por Squad: o que foi medido, o que surpreendeu, o que foi decidido. É insumo das retrospectivas e da defesa final.
• Seminários Técnicos — nas Semanas 13 a 15, cada Squad apresenta um aprofundamento sobre tópico do roadmap de Engenharia de Dados que os Encontros não cobrem.

O eixo transversal: decidir com método

A disciplina trata a escolha de tecnologia de dados como um método, não como preferência. O Método de Decisão tem seis passos, e atravessa todos os ADRs produzidos no semestre:

1. Caracterizar a carga — volume, taxa de escrita e de leitura, cardinalidade, padrão de acesso, latência tolerada, sazonalidade.
2. Explicitar as restrições não funcionais — consistência exigida, disponibilidade, custo, requisitos legais, competência da equipe, licenciamento.
3. Levantar candidatos — no mínimo três, incluindo obrigatoriamente a opção nula: “continuar no PostgreSQL que já temos”.
4. Prototipar e medir — benchmark mínimo com dados do próprio domínio, nunca sintético genérico.
5. Registrar o compromisso — o que se ganha, o que se perde, o que se torna irreversível.
6. Definir o gatilho de revisão — sob qual métrica essa decisão deixa de valer.

Esse método tem contrapartida direta no livro-texto: o capítulo 4 de Fundamentos de Engenharia de Dados trata a escolha de tecnologia ao longo do ciclo de vida — custo total de propriedade, tecnologias imutáveis × transitórias, construir × comprar, monolítico × modular. A seção sobre a guerra de benchmarks é a justificativa do passo 4: comparação publicada por fornecedor é otimizada para o caso do fornecedor, e por isso a medição tem de ser feita com dado do próprio domínio.

O instrumento é o ADR (Architecture Decision Record), no formato Nygard: contexto, decisão, status, consequências. Cada Squad mantém um portfólio versionado no próprio repositório, com 5 ADRs obrigatórios ao longo do semestre. O guia de ADR traz o template e os critérios de avaliação.

O Projeto Integrado

“Do dado bruto à decisão pública.” Cada Squad escolhe um domínio de dados abertos governamentais brasileiros — saneamento e SNIS, habitação, transferências e execução orçamentária, mobilidade urbana — e constrói a plataforma que permite responder a uma pergunta de gestão real.

Requisitos mínimos do produto final:

• uma fonte transacional (OLTP) modelada e populada;
• ingestão em lote e um fluxo de mudanças (CDC ou streaming);
• camada de armazenamento analítico em formato aberto;
• transformações versionadas com testes de qualidade e orquestração agendada;
• camada de consumo dupla: painel analítico e camada semântica de métricas, com um caminho de ETL reverso;
• catálogo, linhagem e análise de LGPD do que foi construído;
• 5 ADRs.

A especificação completa, com as quatro Entregas e seus checklists de aceite, está em Projeto Integrado.

Avaliação

As avaliações completas — de ADR, de Entrega e de Seminário — estão em Avaliação, cada uma linkável por âncora.

Uso de assistentes e agentes de IA

Esta Oferta adota uma Política de Uso de IA própria. Em resumo: o uso é esperado, não tolerado, e o princípio é transparência em vez de proibição. Não há penalidade por usar; há penalidade por não declarar e por não entender o que se entregou.

O uso é registrado no AI-USAGE.md do repositório da Squad, e não é permitido nos instrumentos que medem entendimento individual — arguições presenciais, quizzes, avaliação por pares e ensaio de reflexão crítica.

A política regula como os instrumentos deste plano são conduzidos; ela não altera peso nem critério de avaliação.

Recursos e ferramental

Toda a stack é software livre e executável localmente, alinhada à prática do Lab Livre e reprodutível sem custo de nuvem. A tabela completa por camada, com link para a documentação oficial de cada ferramenta, está em Materiais e ambiente.

Em resumo: PostgreSQL com PostGIS no transacional; DuckDB no analítico; MinIO para objetos; Parquet, Iceberg ou Delta nos formatos abertos; Redpanda ou Kafka com Debezium no fluxo e CDC; dbt ou SQLMesh na transformação; Airflow ou Dagster na orquestração; MongoDB, Neo4j e Redis nos não relacionais; Great Expectations na qualidade; OpenMetadata ou DataHub no catálogo; Metabase ou Superset no consumo; Docker Compose no empacotamento.

Fontes de dados sugeridas: Portal Brasileiro de Dados Abertos, SNIS, IBGE e Portal da Transparência.

Bibliografia

Básica

1. REIS, J.; HOUSLEY, M. Fundamentos de Engenharia de Dados: projete e construa sistemas de dados robustos. Novatec, 2023. (É o conteúdo da disciplina: as 16 Semanas percorrem os capítulos 1 a 11 e os dois apêndices, na ordem do livro. Tradução de Fundamentals of Data Engineering (O’Reilly, 2022); a numeração de capítulos é idêntica nas duas edições.)
2. KLEPPMANN, M. Designing Data-Intensive Applications. O’Reilly, 2017. (Aprofunda os sistemas distribuídos das Semanas 4 e 8 — replicação, particionamento e consistência.)
3. SILBERSCHATZ, A.; KORTH, H.; SUDARSHAN, S. Database System Concepts. 7. ed. McGraw-Hill, 2019. (Internals de SGBD — conteúdo de Introdução a Banco de Dados, retomado aqui como consulta. Slides e material de apoio abertos no site oficial.)
4. KIMBALL, R.; ROSS, M. The Data Warehouse Toolkit. 3. ed. Wiley, 2013. (Aprofunda a modelagem dimensional da Semana 11.)
5. ELMASRI, R.; NAVATHE, S. Sistemas de Banco de Dados. 7. ed. Pearson, 2018. (Apoio em português ao conteúdo de Introdução a Banco de Dados.)

Complementar

1. PETROV, A. Database Internals. O’Reilly, 2019.
2. WINAND, M. SQL Performance Explained. 2012. Disponível em linha.
3. SADALAGE, P.; FOWLER, M. NoSQL Distilled. Addison-Wesley, 2012.
4. DENSMORE, J. Data Pipelines Pocket Reference. O’Reilly, 2021.
5. MACHADO, F. N. R. Tecnologia e Projeto de Data Warehouse. 6. ed. Érica, 2013.
6. DAMA INTERNATIONAL DAMA-DMBOK: Data Management Body of Knowledge. 2. ed. 2017.
7. BRASIL Lei nº 13.709/2018 — Lei Geral de Proteção de Dados Pessoais. 2018. Disponível em linha.
8. MALKOV, Y.; YASHUNIN, D. Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs. IEEE TPAMI, 2020. Disponível em linha.
9. LEWIS, P. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS, 2020. Disponível em linha.
10. ARMBRUST, M. et al. Lakehouse: A New Generation of Open Platforms that Unify Data Warehousing and Advanced Analytics. CIDR, 2021. Disponível em linha.
11. NYGARD, M. Documenting Architecture Decisions. 2011. Disponível em linha.

Documentação oficial de PostgreSQL, DuckDB, Apache Iceberg, dbt, Apache Airflow e Debezium é material de consulta corrente da disciplina, com links em Materiais.