SlideShare una empresa de Scribd logo
1 de 15
Descargar para leer sin conexión
Banco de Dados:


      Um banco de dados armazena dados transacionais relevantes de uma
      organização, sejam eles estáticos ou dinâmicos. Para cada caso existe
      uma abordagem de retenção de dados.

      São elas,
          • Banco de Dados Convencionais.
          • Banco de Dados Temporais.

      A implementação de um desses modelos é decidida de acordo com a
      necessidade do cliente/aplicação.

      Porém a necessidade de controle da informação coloca o BD temporal
      como a melhor das opções em uma organização.
Banco de Dados Convencionais:


      Os Bancos de Dados convencionais buscam uma visão estática da
      realidade ocasionando:

          • Perda do histórico de atualizações.
          • Falta de controle das Informações.
          • Impossível a analise de evolução.

      Ou seja, a evolução histórica da realidade não é armazenada, desta
      forma os dados atualizados não persistem.

      Modelo query de Consulta de Dados,
         select salário
         from Empregados E, Salários S
         where S.RG = E.RG
         and E.nome = ‘Maria’
         and S.início >= ’01/07/02’
         and S.fim <= ’31/12/02’
Definição:


      Os Bancos de Dados temporais retém a informação de forma dinâmica,
      possui 3 dimensões [Linha, Coluna e tempo], permitindo uma consulta
      histórica da evolução dos dados.
      Seja ela baseada em,
           • Tempo de Transação. (timestamp)
           • Tempo de Validade. (byuser)
      ou
           • Bitemporal - (Tempo Validade + Transação).

      Modelo query de Consulta de Dados,
         select salário




                                                                      Coluna
         from Empregados
         where nome = ‘Maria’
         and period ‘[01/07/02,31/12/02]’
                                                                                      po
                                                                                  m
                                                              Linha            Te
Predicados e Funções Temporais:


      • INCLUDES
                 – contém
      • OVERLAPS
                 – sobrepõe (intersecção)
      • PRECEDS / BEFORE
                 – precede no tempo
      • FOLLOWS / AFTER
                 – sucede no tempo
      • MEETS
                 – “casa” (encontro no tempo)
      • VACUUM
                 – Exclusão física
      • INTERSECT
                 – Entre dois pontos
      • ... (para todos, exige-se chronons¹ iguais)

      ¹Chronons – Intervalos temporais consecutivos em uma dada linha de tempo.
Banco de Dados Convencional x Banco de Dados Temporal


      Além da abordagem sobre a capacidade ou não de contextualizar
      o ‘tempo’ histórico dos dados, uma outra característica marcante
      quando um BD convencional e um BD temporal são
      comparados é sem dúvida o armazenamento de dados.
           • Um BD temporal requer maior espaço de armazenamento.
               • Armazena a informação antiga.
               • Possuí crescimento acelerado.

          • Um BD convencional não necessita de um espaço grande.
              • Sobrescreve os dados, descartando os antigos.
              • Seu crescimento pode ser previsto, ou controlado.




                                                 IBM System Storage DS3400   IBM XIV Storage System
                                                         21.6TB                    180TB
Aspectos Temporais:


      O tempo é um aspecto essencial na ocorrência dos fatos e pode
      ser classificado em diversos ordens, como:

          • Ordem Linear: presume-se que o tempo flui de forma
          linear, entre dois pontos, do passado ao futuro.

          • Ordem Ramificada: um dado pode ter diversos sucessores
          ou predecessores. Ex: Uma certa decisão pode gerar um
          entre diversas opções de resultados.

          • Ordem Circular: são dados que se repetem ao longo de
          um período de tempo. Ex: datas de promoções vendas em
          determinadas épocas do ano.
Classificação de Banco de Dados:




        • Banco de Dados Instantâneos         • Banco de Dados de Tempo de Transação




      • Banco de Dados de Tempo de Validade        • Banco de Dados Bi temporais
Aplicações:


      Algumas aplicações onde o controle e acesso a informações
      temporais são fundamentais:

          • Área Médica
          • Área Empresarial
                  Aplicações Financeiras
                  Controle de Produção
                  Gerenciamento de Vendas
                  Gestão de Pessoas
          • Controle Acadêmico
          • Sistemas de Informações Geográficas
          • Sistema de Reservas
          • (...)
Linguagem - TSQL2 (Temporal Structured Query Language):


      TSQL2 – Definida em 1995 após uma lista de discussão por emails
      criada em 1992.
      A linguagem é baseada em SQL e foi acrescida de outras funções:

          • suporte a períodos de tempo
          • suporte a múltiplas granularidades (um chronon)
          • suporte a múltiplas representações
          • suporte a múltiplas linguagens
          • suporte a múltiplos calendários
              (lunar – acadêmico – fiscal – eras geográficas)
          • suporte a tempo indeterminado
          • suporte a tempo histórico
Linguagem - TSQL2 (Temporal Structured Query Language):


      Não é possível encontrar um SGBD totalmente Temporal, algumas
      funcionalidades podem ser encontradas mas não em sua totalidade.

      Como solução existem as camadas de softwares que simulam um
      Banco de Dados Temporal, permitindo consultas escritas.

      SGBDs que suportam TSQL2:
         • Oracle (PTV – Pacote de Tempo de Validade + TSQL2)
         • PostgreSQL (TSQL2 + Btpgsql(Bi temporal) + EMap)
         • MySQL (EMap adaptado UFGRS/UPF)
Linguagem - TSQL2 (Temporal Structured Query Language):


      Listar o nome de todos os empregados que trabalharam na
      empresa ao mesmo tempo em que João esteve no departamento
      de brinquedos.

          SELECT E1.Nom
          FROM Empregado E1, Empregado E2
          WHERE E2.Nom = João AND E2.Dept = “Brinquedos”
          AND VALID(E1) OVERLAPS VALID(E2)
Modelagem ER:


     TempER x ER Convencional:
Considerações Finais:


      A utilização de um BD Temporal se faz necessária em tempos
      onde a riqueza de dados é fundamental para a analise e
      obtenção de informações, ampliando a capacidade de sistemas
      que tem como “matéria prima” o cruzamento de
      dados/informações, como os,
           • SIGs (Sistemas de Informações Gerenciais)
           • Dataminer (mineração de dados)
           • Data Warehousing
      Sistemas de Suporte a decisão como,
           • BI (Business Intelligence)
      dentre vários outros.
      Apesar do custo de armazenamento ser alto, os benefícios são
      relevantes como a consistência, permitindo consultas históricas
      com alta recuperabilidade de dados.
Fonte:
[Universidade do Arizona] Disponível em,
ftp://ftp.cs.arizona.edu/tsql/tsql2/bookspec.pdf (EN-US)
http://www.cs.arizona.edu/people/rts/tsql2.html (EN-US)
Acesso em 12 Jun.2009

[Ferramenta para Suporte a Consultas Temporais em SGBDs convencionais.]
http://www.projetos.unijui.edu.br/erbd2009/arquivo/52075.pdf
Acesso em 13 Jun.2009

[Nina Krahe Edelweiss]
http://www.inf.ufrgs.br/~nina/
Acesso em 13 Jun.2009

[Oliveira, Alex Martins de]
http://www.lume.ufrgs.br/bitstream/handle/10183/6040/000435641.pdf
Acesso em 13 Jun.2009

Más contenido relacionado

La actualidad más candente

Column oriented database
Column oriented databaseColumn oriented database
Column oriented database
Kanike Krishna
 
Processing Large Datasets for ADAS Applications using Apache Spark
Processing Large Datasets for ADAS Applications using Apache SparkProcessing Large Datasets for ADAS Applications using Apache Spark
Processing Large Datasets for ADAS Applications using Apache Spark
Databricks
 
Mongodb introduction and_internal(simple)
Mongodb introduction and_internal(simple)Mongodb introduction and_internal(simple)
Mongodb introduction and_internal(simple)
Kai Zhao
 
Less09 managing undo data
Less09 managing undo dataLess09 managing undo data
Less09 managing undo data
Imran Ali
 
Hive Bucketing in Apache Spark
Hive Bucketing in Apache SparkHive Bucketing in Apache Spark
Hive Bucketing in Apache Spark
Tejas Patil
 

La actualidad más candente (20)

Spark - Alexis Seigneurin (Français)
Spark - Alexis Seigneurin (Français)Spark - Alexis Seigneurin (Français)
Spark - Alexis Seigneurin (Français)
 
NoSql
NoSqlNoSql
NoSql
 
Bancos de Dados para Bibliotecarios
Bancos de Dados para BibliotecariosBancos de Dados para Bibliotecarios
Bancos de Dados para Bibliotecarios
 
DBaaS - The Next generation of database infrastructure
DBaaS - The Next generation of database infrastructureDBaaS - The Next generation of database infrastructure
DBaaS - The Next generation of database infrastructure
 
Column oriented database
Column oriented databaseColumn oriented database
Column oriented database
 
Data Warehouse Fundamentals
Data Warehouse FundamentalsData Warehouse Fundamentals
Data Warehouse Fundamentals
 
elasticsearch_적용 및 활용_정리
elasticsearch_적용 및 활용_정리elasticsearch_적용 및 활용_정리
elasticsearch_적용 및 활용_정리
 
Processing Large Datasets for ADAS Applications using Apache Spark
Processing Large Datasets for ADAS Applications using Apache SparkProcessing Large Datasets for ADAS Applications using Apache Spark
Processing Large Datasets for ADAS Applications using Apache Spark
 
MapReduce
MapReduceMapReduce
MapReduce
 
Apache Solr-Webinar
Apache Solr-WebinarApache Solr-Webinar
Apache Solr-Webinar
 
HDFS Namenode High Availability
HDFS Namenode High AvailabilityHDFS Namenode High Availability
HDFS Namenode High Availability
 
Hbase Kullanım Senaryoları
Hbase Kullanım SenaryolarıHbase Kullanım Senaryoları
Hbase Kullanım Senaryoları
 
EDB Failover Manager for Seamless Failover & Switchover
EDB Failover Manager for Seamless Failover & SwitchoverEDB Failover Manager for Seamless Failover & Switchover
EDB Failover Manager for Seamless Failover & Switchover
 
Mongodb introduction and_internal(simple)
Mongodb introduction and_internal(simple)Mongodb introduction and_internal(simple)
Mongodb introduction and_internal(simple)
 
Less09 managing undo data
Less09 managing undo dataLess09 managing undo data
Less09 managing undo data
 
Hive Bucketing in Apache Spark
Hive Bucketing in Apache SparkHive Bucketing in Apache Spark
Hive Bucketing in Apache Spark
 
Discos e sistemas de arquivos em Linux
Discos e sistemas de arquivos em LinuxDiscos e sistemas de arquivos em Linux
Discos e sistemas de arquivos em Linux
 
Database Chapter 1
Database Chapter 1Database Chapter 1
Database Chapter 1
 
INTRODUCTION TO DATABASE
INTRODUCTION TO DATABASEINTRODUCTION TO DATABASE
INTRODUCTION TO DATABASE
 
Dremel Paper Review
Dremel Paper ReviewDremel Paper Review
Dremel Paper Review
 

Similar a Banco de Dados Temporais - Temporal DataBase

Bancodedados
BancodedadosBancodedados
Bancodedados
yugopb
 
TimesTen In-Memory Database
TimesTen In-Memory DatabaseTimesTen In-Memory Database
TimesTen In-Memory Database
Andre Danelon
 
Poc1 apresentacao parcial_henriquechevreux
Poc1 apresentacao parcial_henriquechevreuxPoc1 apresentacao parcial_henriquechevreux
Poc1 apresentacao parcial_henriquechevreux
chevreux
 
Desenhar o conceito de data warehouse numa biblioteca da universidade
Desenhar o conceito de data warehouse numa biblioteca da universidadeDesenhar o conceito de data warehouse numa biblioteca da universidade
Desenhar o conceito de data warehouse numa biblioteca da universidade
Aristidis Jesus
 

Similar a Banco de Dados Temporais - Temporal DataBase (20)

Bancodedados
BancodedadosBancodedados
Bancodedados
 
Banco de Temporais
Banco de TemporaisBanco de Temporais
Banco de Temporais
 
BD I - Aula 06 B - Parte 1 - Aspecto Temporal
BD I - Aula 06 B - Parte 1 - Aspecto TemporalBD I - Aula 06 B - Parte 1 - Aspecto Temporal
BD I - Aula 06 B - Parte 1 - Aspecto Temporal
 
Data Mining e Data Warehouse
Data Mining e Data WarehouseData Mining e Data Warehouse
Data Mining e Data Warehouse
 
O fator manutenção no ciclo de vida de data warehouse
O fator manutenção no ciclo de vida de data warehouseO fator manutenção no ciclo de vida de data warehouse
O fator manutenção no ciclo de vida de data warehouse
 
Introdução a SGBDs
Introdução a SGBDsIntrodução a SGBDs
Introdução a SGBDs
 
Data warehousing
Data warehousingData warehousing
Data warehousing
 
TimesTen In-Memory Database
TimesTen In-Memory DatabaseTimesTen In-Memory Database
TimesTen In-Memory Database
 
datawarehouse2
datawarehouse2datawarehouse2
datawarehouse2
 
Conceitos DW
Conceitos DWConceitos DW
Conceitos DW
 
Poc1 apresentacao parcial_henriquechevreux
Poc1 apresentacao parcial_henriquechevreuxPoc1 apresentacao parcial_henriquechevreux
Poc1 apresentacao parcial_henriquechevreux
 
Desenhar o conceito de data warehouse numa biblioteca da universidade
Desenhar o conceito de data warehouse numa biblioteca da universidadeDesenhar o conceito de data warehouse numa biblioteca da universidade
Desenhar o conceito de data warehouse numa biblioteca da universidade
 
Como Implementar a Análise de Dados em Tempo Real
Como Implementar a Análise de Dados em Tempo RealComo Implementar a Análise de Dados em Tempo Real
Como Implementar a Análise de Dados em Tempo Real
 
Tópico 2
Tópico 2Tópico 2
Tópico 2
 
Aula III: Informática em Saúde- UnB-FGA/Gama
Aula III: Informática em Saúde- UnB-FGA/GamaAula III: Informática em Saúde- UnB-FGA/Gama
Aula III: Informática em Saúde- UnB-FGA/Gama
 
Big Data, NoSQL e In Memory Databases
Big Data, NoSQL e In Memory DatabasesBig Data, NoSQL e In Memory Databases
Big Data, NoSQL e In Memory Databases
 
Sad01 elvis
Sad01 elvisSad01 elvis
Sad01 elvis
 
Data Warehouse
Data WarehouseData Warehouse
Data Warehouse
 
Aula01 administrador de banco de dados dba
Aula01 administrador de banco de dados  dbaAula01 administrador de banco de dados  dba
Aula01 administrador de banco de dados dba
 
Principais processos de criação de um Banco de Dados e comuns erros de aplica...
Principais processos de criação de um Banco de Dados e comuns erros de aplica...Principais processos de criação de um Banco de Dados e comuns erros de aplica...
Principais processos de criação de um Banco de Dados e comuns erros de aplica...
 

Más de SergioSouza

Más de SergioSouza (13)

Estimativa de métricas de separação de interesses
Estimativa de métricas de separação de interessesEstimativa de métricas de separação de interesses
Estimativa de métricas de separação de interesses
 
Sistemas de Informação - INFORMATION of SYSTEMS
Sistemas de Informação - INFORMATION of  SYSTEMSSistemas de Informação - INFORMATION of  SYSTEMS
Sistemas de Informação - INFORMATION of SYSTEMS
 
Ubuntu 8.04 LTS 2008
Ubuntu 8.04 LTS 2008Ubuntu 8.04 LTS 2008
Ubuntu 8.04 LTS 2008
 
Dispositivos [Entrada E SaíDa]
Dispositivos [Entrada E SaíDa]Dispositivos [Entrada E SaíDa]
Dispositivos [Entrada E SaíDa]
 
Dispositivos de [Entrada E SaíDa]
Dispositivos de [Entrada E SaíDa]Dispositivos de [Entrada E SaíDa]
Dispositivos de [Entrada E SaíDa]
 
Uml Para Web
Uml Para WebUml Para Web
Uml Para Web
 
ProteçãO Juridica Do Software
ProteçãO Juridica Do SoftwareProteçãO Juridica Do Software
ProteçãO Juridica Do Software
 
Oracle EXPLICAÇÕES EM PDF
Oracle EXPLICAÇÕES EM PDFOracle EXPLICAÇÕES EM PDF
Oracle EXPLICAÇÕES EM PDF
 
Sistemas Operacionais
Sistemas OperacionaisSistemas Operacionais
Sistemas Operacionais
 
SISTEMAS OPERACIONAIS
SISTEMAS OPERACIONAISSISTEMAS OPERACIONAIS
SISTEMAS OPERACIONAIS
 
Software Aplicativo
Software AplicativoSoftware Aplicativo
Software Aplicativo
 
Oracle [Metodologia]
Oracle [Metodologia]Oracle [Metodologia]
Oracle [Metodologia]
 
Microsoft Surface
Microsoft SurfaceMicrosoft Surface
Microsoft Surface
 

Último

Assessement Boas Praticas em Kubernetes.pdf
Assessement Boas Praticas em Kubernetes.pdfAssessement Boas Praticas em Kubernetes.pdf
Assessement Boas Praticas em Kubernetes.pdf
Natalia Granato
 

Último (6)

Assessement Boas Praticas em Kubernetes.pdf
Assessement Boas Praticas em Kubernetes.pdfAssessement Boas Praticas em Kubernetes.pdf
Assessement Boas Praticas em Kubernetes.pdf
 
ATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docx
ATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docxATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docx
ATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docx
 
Padrões de Projeto: Proxy e Command com exemplo
Padrões de Projeto: Proxy e Command com exemploPadrões de Projeto: Proxy e Command com exemplo
Padrões de Projeto: Proxy e Command com exemplo
 
Boas práticas de programação com Object Calisthenics
Boas práticas de programação com Object CalisthenicsBoas práticas de programação com Object Calisthenics
Boas práticas de programação com Object Calisthenics
 
ATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docx
ATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docxATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docx
ATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docx
 
ATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docx
ATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docxATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docx
ATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docx
 

Banco de Dados Temporais - Temporal DataBase

  • 1.
  • 2. Banco de Dados: Um banco de dados armazena dados transacionais relevantes de uma organização, sejam eles estáticos ou dinâmicos. Para cada caso existe uma abordagem de retenção de dados. São elas, • Banco de Dados Convencionais. • Banco de Dados Temporais. A implementação de um desses modelos é decidida de acordo com a necessidade do cliente/aplicação. Porém a necessidade de controle da informação coloca o BD temporal como a melhor das opções em uma organização.
  • 3. Banco de Dados Convencionais: Os Bancos de Dados convencionais buscam uma visão estática da realidade ocasionando: • Perda do histórico de atualizações. • Falta de controle das Informações. • Impossível a analise de evolução. Ou seja, a evolução histórica da realidade não é armazenada, desta forma os dados atualizados não persistem. Modelo query de Consulta de Dados, select salário from Empregados E, Salários S where S.RG = E.RG and E.nome = ‘Maria’ and S.início >= ’01/07/02’ and S.fim <= ’31/12/02’
  • 4. Definição: Os Bancos de Dados temporais retém a informação de forma dinâmica, possui 3 dimensões [Linha, Coluna e tempo], permitindo uma consulta histórica da evolução dos dados. Seja ela baseada em, • Tempo de Transação. (timestamp) • Tempo de Validade. (byuser) ou • Bitemporal - (Tempo Validade + Transação). Modelo query de Consulta de Dados, select salário Coluna from Empregados where nome = ‘Maria’ and period ‘[01/07/02,31/12/02]’ po m Linha Te
  • 5. Predicados e Funções Temporais: • INCLUDES – contém • OVERLAPS – sobrepõe (intersecção) • PRECEDS / BEFORE – precede no tempo • FOLLOWS / AFTER – sucede no tempo • MEETS – “casa” (encontro no tempo) • VACUUM – Exclusão física • INTERSECT – Entre dois pontos • ... (para todos, exige-se chronons¹ iguais) ¹Chronons – Intervalos temporais consecutivos em uma dada linha de tempo.
  • 6. Banco de Dados Convencional x Banco de Dados Temporal Além da abordagem sobre a capacidade ou não de contextualizar o ‘tempo’ histórico dos dados, uma outra característica marcante quando um BD convencional e um BD temporal são comparados é sem dúvida o armazenamento de dados. • Um BD temporal requer maior espaço de armazenamento. • Armazena a informação antiga. • Possuí crescimento acelerado. • Um BD convencional não necessita de um espaço grande. • Sobrescreve os dados, descartando os antigos. • Seu crescimento pode ser previsto, ou controlado. IBM System Storage DS3400 IBM XIV Storage System 21.6TB 180TB
  • 7. Aspectos Temporais: O tempo é um aspecto essencial na ocorrência dos fatos e pode ser classificado em diversos ordens, como: • Ordem Linear: presume-se que o tempo flui de forma linear, entre dois pontos, do passado ao futuro. • Ordem Ramificada: um dado pode ter diversos sucessores ou predecessores. Ex: Uma certa decisão pode gerar um entre diversas opções de resultados. • Ordem Circular: são dados que se repetem ao longo de um período de tempo. Ex: datas de promoções vendas em determinadas épocas do ano.
  • 8. Classificação de Banco de Dados: • Banco de Dados Instantâneos • Banco de Dados de Tempo de Transação • Banco de Dados de Tempo de Validade • Banco de Dados Bi temporais
  • 9. Aplicações: Algumas aplicações onde o controle e acesso a informações temporais são fundamentais: • Área Médica • Área Empresarial Aplicações Financeiras Controle de Produção Gerenciamento de Vendas Gestão de Pessoas • Controle Acadêmico • Sistemas de Informações Geográficas • Sistema de Reservas • (...)
  • 10. Linguagem - TSQL2 (Temporal Structured Query Language): TSQL2 – Definida em 1995 após uma lista de discussão por emails criada em 1992. A linguagem é baseada em SQL e foi acrescida de outras funções: • suporte a períodos de tempo • suporte a múltiplas granularidades (um chronon) • suporte a múltiplas representações • suporte a múltiplas linguagens • suporte a múltiplos calendários (lunar – acadêmico – fiscal – eras geográficas) • suporte a tempo indeterminado • suporte a tempo histórico
  • 11. Linguagem - TSQL2 (Temporal Structured Query Language): Não é possível encontrar um SGBD totalmente Temporal, algumas funcionalidades podem ser encontradas mas não em sua totalidade. Como solução existem as camadas de softwares que simulam um Banco de Dados Temporal, permitindo consultas escritas. SGBDs que suportam TSQL2: • Oracle (PTV – Pacote de Tempo de Validade + TSQL2) • PostgreSQL (TSQL2 + Btpgsql(Bi temporal) + EMap) • MySQL (EMap adaptado UFGRS/UPF)
  • 12. Linguagem - TSQL2 (Temporal Structured Query Language): Listar o nome de todos os empregados que trabalharam na empresa ao mesmo tempo em que João esteve no departamento de brinquedos. SELECT E1.Nom FROM Empregado E1, Empregado E2 WHERE E2.Nom = João AND E2.Dept = “Brinquedos” AND VALID(E1) OVERLAPS VALID(E2)
  • 13. Modelagem ER: TempER x ER Convencional:
  • 14. Considerações Finais: A utilização de um BD Temporal se faz necessária em tempos onde a riqueza de dados é fundamental para a analise e obtenção de informações, ampliando a capacidade de sistemas que tem como “matéria prima” o cruzamento de dados/informações, como os, • SIGs (Sistemas de Informações Gerenciais) • Dataminer (mineração de dados) • Data Warehousing Sistemas de Suporte a decisão como, • BI (Business Intelligence) dentre vários outros. Apesar do custo de armazenamento ser alto, os benefícios são relevantes como a consistência, permitindo consultas históricas com alta recuperabilidade de dados.
  • 15. Fonte: [Universidade do Arizona] Disponível em, ftp://ftp.cs.arizona.edu/tsql/tsql2/bookspec.pdf (EN-US) http://www.cs.arizona.edu/people/rts/tsql2.html (EN-US) Acesso em 12 Jun.2009 [Ferramenta para Suporte a Consultas Temporais em SGBDs convencionais.] http://www.projetos.unijui.edu.br/erbd2009/arquivo/52075.pdf Acesso em 13 Jun.2009 [Nina Krahe Edelweiss] http://www.inf.ufrgs.br/~nina/ Acesso em 13 Jun.2009 [Oliveira, Alex Martins de] http://www.lume.ufrgs.br/bitstream/handle/10183/6040/000435641.pdf Acesso em 13 Jun.2009