O modelo de dados lógicos representa a estrutura detalhada das informações de um sistema, traduzindo as regras de negócio para um formato próximo ao que será implementado no banco de dados. Enquanto o modelo conceitual foca nas entidades e relacionamentos de alto nível, o modelo lógico define como esses dados serão organizados em tabelas (modelo lógico relacional com tabelas, colunas, chaves e restrições de integridade), como documentos (modelo lógico documental), como grafos, como objetos, entre outros. Nesse momento há a definição do tipo do Sistema Gerenciador de Banco de Dados (SGBD) a ser utilizado (relacional, orientado a objetos, entre outros), mas sem depender ainda de um software específico.
A evolução dos modelos de dados lógicos iniciou-se na década de 1960 com o modelo hierárquico da IBM, estruturado em formato de árvore para modelar relações de cardinalidade 1:N. Devido à sua limitação em representar relacionamentos complexos (M:N) sem gerar redundância, surgiu em 1969 o modelo em rede, que permitiu que um nó tivesse múltiplos pais.
Essa lógica transformou-se com a introdução do modelo relacional por Edgar F. Codd, em 1970. Fundamentado na teoria dos conjuntos e na lógica matemática, esse modelo substituiu a navegação procedural por consultas declarativas — viabilizadas pela linguagem SQL — e organizou as informações em tabelas, estabelecendo-se como o padrão dominante na indústria.
Posteriormente, novas exigências tecnológicas impulsionaram a era dos modelos pós-relacionais. Na década de 1980, os bancos orientados a objeto buscaram reduzir o atrito entre o código e o armazenamento; já no final dos anos 2000, o avanço do Big Data e da internet consolidou o movimento NoSQL. Este último diversificou-se em paradigmas flexíveis e especializados, como chave-valor, documentos, colunas e grafos, adaptando-se a volumes massivos de dados e novas demandas de escala.
O modelo chave-valor é a estrutura mais simples entre os bancos NoSQL (semelhante a uma tabela hash), na qual se associa uma chave única a um valor opaco que o banco não interpreta. Focado em baixa latência e alta taxa de transferência, elimina gargalos de disco relacionais e é ideal para sessões, carrinhos de compras e cache (ex.: Redis, Amazon DynamoDB). O modelo orientado a documentos armazena dados em estruturas autodescritivas flexíveis (JSON, BSON, XML) sem esquema prefixado. Resolve a rigidez relacional e a impedância objeto-relacional ao manter os dados de uma entidade unidos, eliminando JOINs custosos e agilizando o desenvolvimento (ex.: MongoDB, Couchbase).
No que tange ao modelo colunar, este agrupa colunas por famílias e as armazena juntas em disco, permitindo estruturas esparsas e altamente distribuídas. Focado em escalabilidade horizontal para Big Data, resolve desafios de armazenamento e consulta de volumes massivos de dados, como em séries temporais e IoT (ex.: Apache Cassandra, HBase). Já o modelo orientado a grafos representa dados por nós (entidades) e arestas (relacionamentos) conectados por ponteiros físicos diretos. Resolve a lentidão em relacionamentos profundos e complexos que afeta bancos relacionais (JOINs recursivos), sendo ideal para redes sociais e sistemas de recomendação (ex.: Neo4j, Amazon Neptune).
Modelo de Dados Relacional
A base estrutural do modelo relacional é a relação, que na prática corresponde a uma tabela bidimensional composta por linhas e colunas. Cada linha, tecnicamente chamada de tupla, representa um registro único ou uma instância específica daquela entidade, como os dados de um único cliente. Já cada coluna, chamada atributo, representa uma característica ou propriedade que descreve a entidade, como nome, CPF ou data de nascimento desse cliente.
As restrições em um banco de dados relacional dividem-se em escopos distintos. As restrições implícitas são regras inerentes "de fábrica" do modelo, enquanto as explícitas (ou de esquema) exigem declaração expressa via código durante o projeto, a exemplo dos tipos de dados. Já as restrições semânticas ou de aplicação tratam de regras de negócios complexas que exigem implementação externa por código, triggers ou procedimentos armazenados. Quanto à dimensão temporal, elas classificam-se em restrições de estado — que validam os dados em um instante isolado — e de transição, que avaliam a validade da mudança entre estados, sendo o SGBD o responsável por garantir tais verificações de integridade.
O modelo relacional também impõe restrições implícitas fundamentais para sua consistência estrutural. Conceitualmente, as tuplas de uma relação não possuem ordem estrita, embora o armazenamento físico seja sequencial, e os atributos seguem uma ordenação própria, a menos que sejam identificados explicitamente por seus nomes. Além disso, o modelo exige a atomicidade de cada valor, vedando listas ou estruturas complexas; padroniza o uso de NULL para representar dados desconhecidos ou inexistentes; assegura a unicidade pela proibição de tuplas duplicadas; e estrutura formalmente fatos reais sobre entidades e relacionamentos.
Complementando essas regras estruturais, as restrições explícitas de domínio determinam que cada atributo pertença a um conjunto pré-definido de valores elementares permitidos, como números inteiros, textos ou datas. Essa integridade de domínio opera diretamente em conjunto com a atomicidade para impedir a inserção de dados inválidos ou sem sentido no esquema do banco de dados.
Para que os atributos funcionem corretamente e mantenham a consistência das informações, cada coluna recebe o domínio, que define o conjunto de valores permitidos e o tipo de dado lógico associado. Os tipos lógicos mais comuns dividem-se em categorias fundamentais, como os tipos numéricos (inteiros para contagens e decimais para valores monetários), os tipos alfanuméricos ou texto (cadeia de caracteres de tamanho fixo ou variável para nomes e descrições), os tipos temporais (datas, horas e carimbos de tempo para registros históricos) e os tipos booleanos (valores lógicos que aceitam apenas verdadeiro ou falso).
Além dos tipos básicos de armazenamento, a modelagem lógica utiliza chaves para identificar registros e conectar diferentes atributos que identifica de maneira exclusiva cada tupla dentro de uma tabela, não podendo conter valores nulos ou repetidos. Por sua vez, a Chave Estrangeira (FK) é um atributo que referencia a chave primária de outra tabela, criando o vínculo relacional entre os dados e garantindo que não existam registros órfãos no sistema.
As restrições de chave iniciam-se com a superchave, um conjunto de atributos que garante a unicidade de cada tupla em uma relação. Quando essa superchave é mínima — ou seja, nenhum atributo pode ser removido sem que se perca a unicidade —, ela constitui uma chave, que pode ser formada por um único atributo ou ser composta por múltiplos. O conjunto de chaves válidas de uma tabela forma as chaves candidatas, dentre as quais uma é selecionada para exercer o papel de identificadora oficial.
A chave candidata escolhida é promovida a chave primária, cujos atributos aparecem sublinhados no esquema e são submetidos à integridade de entidade, restrição que proíbe valores duplicados e nulos (NOT NULL). Ela pode ser uma chave natural (derivada de atributos reais como CPF ou CNPJ, sujeita a alterações estruturais externas) ou uma chave substituta (surrogate key), gerada artificialmente (como um id) para assegurar controle interno estável. As demais chaves candidatas tornam-se chaves alternativas (ou únicas), que também garantem unicidade, mas diferem da primária por admitirem valores nulos.
Para conectar diferentes tabelas, emprega-se a chave estrangeira na relação filha, fazendo referência à chave de uma relação pai. Esse mecanismo é regulado pela integridade referencial, restrição que exige que o valor da chave estrangeira corresponda estritamente a um registro existente na tabela pai ou seja nulo, assegurando a consistência das relações por meio de comandos SQL como PRIMARY KEY, UNIQUE e FOREIGN KEY.
Por fim, a definição dos dados lógicos envolve a aplicação de restrições de integridade e processos de normalização para evitar redundância e anomalias. Regras como a obrigatoriedade de preenchimento (Not Null), a unicidade de valores (Unique) e a validação de condições específicas (Check) asseguram que o dado inserido seja sempre válido. Dessa forma, o modelo lógico atua como uma planta baixa, garantindo que a transição futura para o modelo físico ocorra com eficiência, segurança e sem perda de sentido semântico.
Mapeamento do Modelo ER para o Modelo Relacional
O mapeamento do Modelo Entidade-Relacionamento (ER) para o Modelo Relacional é a etapa do projeto de banco de dados responsável por traduzir um diagrama conceitual (como o DER) em uma estrutura lógica composta por tabelas, colunas e chaves. Enquanto o modelo conceitual foca em representar as regras de negócio de forma abstrata e visual, o modelo lógico prepara esses dados para serem implementados em um SGBD, nesse caso, relacional, garantindo integridade e evitando redundâncias. Como regra geral, cada entidade original vira uma tabela e seus atributos viram colunas, enquanto a tradução dos relacionamentos varia conforme a razão de cardinalidade.
A primeira fase desse processo concentra-se na conversão das entidades fortes, que são aquelas que possuem existência própria e uma chave primária bem definida. Cada entidade forte do diagrama torna-se uma nova tabela no modelo relacional, onde seus atributos simples são convertidos diretamente em colunas. O atributo identificador da entidade passa a ser a Chave Primária (PK) dessa tabela. Caso existam atributos compostos, como um endereço dividido em rua e cidade, eles são desmembrados em colunas individuais. Já os atributos derivados, como a idade calculada a partir da data de nascimento, costumam ser descartados nessa fase para economizar armazenamento.
Quando o modelo apresenta entidades fracas, o mapeamento exige um cuidado adicional, pois elas dependem de uma entidade proprietária para existir. A entidade fraca também é transformada em uma tabela própria, recebendo todas as suas colunas comuns. No entanto, ela precisa herdar a chave primária da entidade forte à qual está vinculada, incorporando-a como uma Chave Estrangeira (FK). A chave primária da tabela resultante será, portanto, uma chave composta formada pela união dessa chave estrangeira importada com o atributo discriminador (chave parcial) da própria entidade fraca.
O tratamento dos atributos multivalorados, que podem armazenar múltiplos valores para um mesmo registro (como vários telefones de um cliente), exige a criação de uma tabela separada para manter a atomicidade exigida pela Primeira Forma Normal. Essa nova tabela conterá uma coluna para armazenar o valor do atributo em si e uma chave estrangeira que aponta para a tabela da entidade original. A chave primária dessa estrutura auxiliar será a combinação de ambas as colunas, permitindo que um mesmo cliente tenha diversas linhas associadas sem repetir seus dados cadastrais principais.
A tradução dos relacionamentos binários varia diretamente conforme a cardinalidade estabelecida entre as entidades. Nos relacionamentos de um para um (1:1), a abordagem mais comum consiste em escolher uma das tabelas para receber a chave primária da outra como chave estrangeira, dando preferência ao lado que possui participação total para evitar valores nulos. Caso o relacionamento possua atributos próprios, eles acompanham essa chave estrangeira na tabela escolhida. Alternativamente, pode-se usar a relação mesclada (unindo as entidades em uma única tabela e eliminando chaves artificiais desnecessárias) ou, de forma menos encorajada, criar uma tabela intermediária de referência cruzada.
Nos relacionamentos de um para muitos (1:N), a regra é rígida e não permite escolhas arbitrárias. A tabela que representa o lado "muitos" (N) deve obrigatoriamente receber a chave primária da tabela do lado "um" (1) como uma chave estrangeira. Esse mecanismo cria o vínculo relacional entre os registros, permitindo que vários itens filhos apontem para um único registro pai, levando consigo eventuais atributos que pertençam ao relacionamento. Como alternativa a esse método padrão, também é possível empregar uma tabela intermediária para representar a associação.
Por fim, os relacionamentos de muitos para muitos (N:M) não podem ser representados apenas com chaves estrangeiras nas tabelas existentes, pois isso violaria as regras estruturais dos bancos relacionais. Para resolver essa cardinalidade, cria-se uma terceira tabela, chamada de tabela associativa ou de junção. Essa nova estrutura recebe como chaves estrangeiras as chaves primárias de ambas as tabelas envolvidas, e a união dessas duas chaves forma a sua chave primária composta, além de abrigar quaisquer atributos descritivos do próprio relacionamento. Caso existam múltiplos registros para a mesma combinação (como a mesma disciplina lecionada em semestres diferentes), torna-se necessária a adoção de uma chave substituta (surrogate key).
Visões (Views)
Uma visão (view) é uma tabela virtual ou derivada que não armazena dados fisicamente em disco. Ela é computada dinamicamente a cada requisição a partir de tabelas base, o que garante que seus registros reflitam sempre o estado atual do banco, sem risco de defasagem, sendo estruturada por meio de consultas SQL (SELECT).
O uso de visões atua como uma camada intermediária estratégica que oferece múltiplos benefícios práticos: garante segurança e controle de acesso ao ocultar dados sensíveis, simplifica consultas complexas ao encapsular junções, realiza agregação de dados, abstrai a estrutura real do banco e otimiza o armazenamento, pois guarda apenas a definição textual da consulta em vez de duplicar informações.
Em contraponto às visões dinâmicas, as visões materializadas executam a consulta previamente e armazenam o resultado como uma tabela concreta em disco. Embora incorporem uma desvantagem de desatualização — exigindo sincronizações periódicas e agindo essencialmente como um cache —, elas eliminam a necessidade de recomputação a cada acesso, proporcionando ganho expressivo de desempenho em consultas pesadas e frequentes típicas de ambientes de data warehouse.
As 12 regras de Codd
| Regra | Descrição |
|---|---|
| Regra 0: A Regra Fundamental | Esta regra estabelece que qualquer sistema que se diga relacional deve gerenciar seus bancos de dados exclusivamente por meio de suas capacidades relacionais. Isso significa que o software não pode depender de recursos externos ou de baixo nível para manipular informações, garantindo que toda a operação ocorra dentro do modelo lógico de tabelas e relações. |
| Regra 1: A Regra da Informação | Toda e qualquer informação em um banco de dados relacional deve ser representada de uma única maneira lógica, ou seja, como valores explícitos dentro de células de tabelas. Não devem existir ponteiros ocultos ou conexões invisíveis entre registros, pois até mesmo os nomes das tabelas e colunas precisam estar organizados em formato tabular. |
| Regra 2: A Regra do Acesso Garantido | Cada dado individual armazenado no banco deve ter seu acesso logicamente garantido por meio de uma combinação específica de três elementos: o nome da tabela, o valor da chave primária e o nome da coluna. Dessa forma, o sistema nunca depende da posição física em que o dado foi gravado no disco rígido para encontrá-lo. |
| Regra 3: Tratamento Sistemático de Valores Nulos | O sistema deve suportar valores nulos (NULL) para representar a ausência de informação ou dados desconhecidos de maneira uniforme e independente do tipo de dado. O valor nulo não pode ser confundido com o número zero ou com um espaço em branco, pois ele indica estritamente que aquela informação não existe ou ainda não foi preenchida. |
| Regra 4: Catálogo Online Dinâmico Baseado no Modelo Relacional | A descrição da estrutura do próprio banco de dados, conhecida como metadados ou dicionário de dados, deve ser armazenada da mesma forma que os dados comuns do usuário. Isso permite que os administradores consultem a estrutura das tabelas, colunas e permissões utilizando exatamente a mesma linguagem de consulta aplicada aos dados normais. |
| Regra 5: A Regra da Sublinguagem de Dados Abrangente | Um sistema relacional pode suportar várias linguagens de programação, mas deve oferecer pelo menos uma linguagem completa com sintaxe bem definida. Essa linguagem, como o SQL, precisa ser capaz de realizar todas as tarefas essenciais, incluindo definição de dados, manipulação de registros, controle de integridade, gerenciamento de transações e autorização de acesso. |
| Regra 6: A Regra da Atualização de Visões | Todas as visões (Views) que são teoricamente atualizáveis também devem ser passíveis de atualização diretamente pelo sistema. Uma visão funciona como uma tabela virtual criada a partir de uma consulta, e o SGBD precisa ser inteligente o suficiente para traduzir alterações feitas nessa tabela virtual para as tabelas físicas reais que a originaram. |
| Regra 7: Inserção, Atualização e Exclusão de Alto Nível | A capacidade de lidar com uma relação básica ou derivada como um único operando não se aplica apenas à recuperação de dados, mas também à inserção, alteração e exclusão. Isso significa que o sistema deve permitir modificar múltiplos registros de uma só vez com um único comando, sem obrigar o usuário a processar linha por linha manualmente. |
| Regra 8: Independência Física de Dados | Os programas de aplicação e as atividades nos terminais devem permanecer logicamente inalterados sempre que houver mudanças na forma como os dados são armazenados fisicamente. Se o administrador decidir trocar o disco rígido, mudar o método de indexação ou compactar arquivos, os softwares que consomem o banco continuam funcionando sem precisar de nenhuma alteração no código. |
| Regra 9: Independência Lógica de Dados | Os programas de aplicação não devem sofrer impactos quando ocorrerem alterações lógicas nas tabelas que preservam a informação original. Por exemplo, se uma tabela grande for dividida em duas tabelas menores por motivos de desempenho, as aplicações antigas devem continuar operando normalmente por meio de visões que reconstroem a estrutura anterior. |
| Regra 10: Independência de Integridade | As restrições de integridade específicas de um banco de dados devem ser definidas na sublinguagem relacional e armazenadas no catálogo, e não escondidas dentro do código dos programas de aplicação. Regras como chaves primárias, chaves estrangeiras e validações de valores ficam protegidas dentro do próprio banco, impedindo que qualquer software externo insira dados inválidos. |
| Regra 11: Independência de Distribuição | O usuário final e as aplicações não devem perceber se os dados estão armazenados em um único computador local ou espalhados por vários servidores em diferentes lugares do mundo. O sistema de gerenciamento deve ser capaz de distribuir, consultar e unir essas informações de forma totalmente transparente, mantendo a mesma lógica de operação. |
| Regra 12: A Regra da Não-Subversão | Se o sistema possuir uma linguagem de baixo nível que permita acessar um registro por vez, essa ferramenta nunca poderá ser usada para contornar ou ignorar as regras de integridade e segurança definidas na linguagem relacional de alto nível. Isso garante que não existam "portas dos fundos" capazes de corromper a consistência do banco de dados. |


