O estudo de banco de dados representa um dos eixos estruturantes mais cobrados em provas contemporâneas de Tecnologia da Informação e carreiras fiscais, policiais, bancárias e de controle. Compreender desde a concepção abstrata no modelo entidade-relacionamento até a implementação física em sistemas gerenciadores exige domínio integrado de álgebra relacional, normalização e sintaxe da linguagem SQL padrão ANSI. À medida que os órgãos estatais intensificam a transformação digital e a auditoria analítica de folhas de pagamento, notas fiscais eletrônicas e registros previdenciários, a capacidade de projetar esquemas íntegros e construir consultas eficientes torna-se diferencial eliminatório para o candidato de alto rendimento.
Neste tratado técnico, exploramos as fundações completas de banco de dados relacional e corporativo. Analisaremos a clássica arquitetura ANSI/SPARC de três níveis, as regras de mapeamento conceitual-lógico, a teoria matemática das relações e tuplas, o processo exaustivo de normalização da primeira forma normal até a forma normal de Boyce-Codd, o ecossistema prático dos comandos SQL (DDL, DML, DQL, DCL e DTL) e as garantias transacionais regidas pelas propriedades ACID. Ao longo do texto, você encontrará quadros sinóticos, exemplos sintáticos consolidados e distinções pontuais frente aos bancos de dados não relacionais (NoSQL).
1. Fundamentos e Arquitetura de Banco de Dados
Na ciência da computação, a transição entre dado, informação e conhecimento define o objetivo primário de qualquer sistema corporativo. Enquanto um dado é um registro bruto, quantitativo ou qualitativo desprovido de contexto semântico isolado (como um número de protocolo ou um valor decimal avulso), a informação surge do processamento, estruturação e contextualização desses dados. O conhecimento, por sua vez, é a assimilação crítica da informação aplicada à tomada de decisão gerencial ou fiscal.
Um banco de dados é uma coleção logicamente coerente de dados correlacionados, projetada com um propósito intrínseco de representar aspectos do mundo real (frequentemente denominado mini-mundo ou universo de discurso). A manipulação, integridade e persistência segura dessa coleção são controladas por um Sistema Gerenciador de Banco de Dados (SGBD) — em inglês, Database Management System (DBMS). O SGBD atua como uma camada de software intermediária entre as aplicações clientes e a infraestrutura física de armazenamento de blocos em disco.
A arquitetura ANSI/SPARC estabelece a separação do banco de dados em três níveis de abstração: Nível Externo (visões parciais e customizadas para usuários ou aplicações), Nível Conceitual (estrutura lógica comunitária de todo o banco de dados, independente de armazenamento físico) e Nível Interno (estrutura física de arquivos, índices em árvore B+, alocação de blocos e caminhos de acesso). Essa divisão consagra os dois pilares fundamentais da independência de dados: independência lógica e independência física.
A independência física de dados consiste na capacidade de modificar o esquema interno (como alterar caminhos de indexação, criar particionamento de tabelas ou trocar o sistema de arquivos subjacente) sem a necessidade de reescrever o esquema conceitual ou os programas de aplicação. Em paralelo, a independência lógica de dados representa a capacidade de alterar o esquema conceitual (como adicionar novas entidades ou atributos opcionais) sem que as aplicações pré-existentes que utilizam visões no nível externo sofram impacto ou precisem de recompilação.
Para assegurar comunicação segura e de alto tráfego entre múltiplos clientes e os serviços do SGBD na rede corporativa, é imprescindível consolidar os protocolos da camada de transporte e roteamento, conforme detalhado no nosso exame de Redes de Computadores: Modelo OSI e TCP/IP, que alicerça o tráfego dos nós de computação.

2. Modelagem Conceitual: O Modelo Entidade-Relacionamento
A etapa inicial de engenharia em qualquer banco de dados consiste na modelagem conceitual, cujo paradigma mais consagrado é o Modelo Entidade-Relacionamento (MER), originalmente proposto por Peter Chen em 1976. O MER adota uma representação de alto nível centrada na semântica do domínio, abstraindo limitações de hardware e dialetos específicos de software gerenciador.
Entidades Fortes, Fracas e Associativas
Uma entidade representa um objeto do mundo real com existência independente e distinguível de outros objetos. As entidades subdividem-se doutrinariamente em:
- Entidade Regular (Forte): possui existência autônoma e chave primária própria constituída por atributos intrínsecos (exemplo: Servidor Público, Veículo, Contribuinte).
- Entidade Fraca: não possui atributos suficientes para formar uma chave primária isolada e depende existencialmente de uma entidade proprietária (identificadora). Sua identificação requer a chave primária da entidade proprietária associada a uma chave parcial ou discriminador (exemplo: Dependente em relação a Servidor).
- Entidade Associativa: surge quando é necessário registrar relacionamentos que possuem atributos próprios ou quando um relacionamento associa-se a outra entidade do domínio (comum na resolução de relacionamentos com cardinalidade muitos-para-muitos).
Tipologia dos Atributos
Os atributos são propriedades descritivas que caracterizam uma entidade em um banco de dados. Suas variações clássicas em enunciados de bancas examinadoras incluem:
- Atributo Simples (Atômico): não pode ser decomposto em partes menores com significância independente (exemplo: CPF, Matrícula).
- Atributo Composto: formado pela concatenação lógica de subcomponentes divisíveis (exemplo: Endereço, subdividido em Rua, Número, Bairro, Cidade e CEP).
- Atributo Monovalorado: armazena um único valor para uma ocorrência de entidade (exemplo: Data de Nascimento).
- Atributo Multivalorado: comporta múltiplos valores simultâneos para a mesma ocorrência (exemplo: Telefones de Contato, Idiomas Falados). No diagrama ER clássico de Chen, é grafado com elipse dupla.
- Atributo Derivado: não necessita ser armazenado fisicamente de forma redundante, pois seu valor pode ser computado a partir de outros atributos pré-existentes (exemplo: Idade, obtida pela diferença entre a data corrente e a Data de Nascimento). Grafado com elipse tracejada.
Cardinalidade e Grau de Relacionamento
O relacionamento define uma associação funcional entre duas ou mais entidades. O grau do relacionamento expressa o número de tipos de entidade participantes: unário (recursivo ou auto-relacionamento, onde uma entidade relaciona-se consigo mesma, como na hierarquia de chefia), binário (entre duas entidades) ou ternário (entre três entidades distintas simultaneamente).
A cardinalidade estrutural expressa o número de instâncias de uma entidade que podem estar associadas a instâncias de outra entidade no banco de dados. São categorizadas em: um-para-um (1:1), um-para-muitos (1:N) e muitos-para-muitos (N:M). A participação de uma entidade no relacionamento pode ser total (dependência de existência, indicada por linha dupla no DER) ou parcial (opcional).
3. Teoria do Modelo Relacional e Integridade de Dados
Formulado matematicamente por Edgar F. Codd em 1970 no âmbito da IBM, o Modelo Relacional estrutura a informação sobre a teoria matemática dos conjuntos. Em um banco de dados relacional, os dados são organizados exclusivamente sob a forma de tabelas bidimensionais denominadas relações.
| Conceito Matemático Formal | Equivalente no Modelo Relacional | Termo Físico em SGBD SQL |
|---|---|---|
| Relação | Tabela | Tabela de Dados / Arquivo |
| Tupla | Linha | Registro (Record) |
| Atributo | Coluna | Campo (Field) |
| Grau da Relação | Número de Colunas | Total de Campos do Esquema |
| Cardinalidade da Relação | Número de Linhas | Total de Registros Armazenados |
Regras Fundamentais de Integridade Relacional
O rigor matemático do modelo repousa sobre quatro restrições de integridade intransponíveis:
- Integridade de Domínio: cada atributo de uma tupla deve assumir estritamente um valor atômico contido no conjunto de valores válidos definido para o respectivo domínio (tipo de dado, tamanho, faixa permitida e formato).
- Integridade de Vazio (Not Null): estabelece quais atributos são de preenchimento compulsório, vedando a presença de marcadores especiais nulos (NULL) que denotam valor desconhecido, inaplicável ou inexistente.
- Integridade de Entidade: nenhuma chave primária (PK – Primary Key), seja ela simples ou composta, pode conter valores nulos (NULL) em nenhum de seus atributos componentes. A chave primária deve identificar de maneira inequívoca e única cada tupla da relação.
- Integridade Referencial: se uma relação contiver uma chave estrangeira (FK – Foreign Key) que faz referência à chave primária de outra relação, o valor assumido pela FK deve obrigatoriamente existir na tabela referenciada ou ser expressamente nulo (caso a regra de negócio permita a opcionalidade do vínculo).
Para garantir que o acesso a dados críticos de auditoria e bases públicas respeite os princípios da autenticidade e confidencialidade, as instituições públicas operam sob rigorosos protocolos de proteção, alinhados às diretrizes que tratamos em nosso guia de Segurança da Informação para Concursos, especialmente quanto a controles criptográficos de repositórios.
PONTO-CHAVE PARA A PROVA: PROPRIEDADES ACID E NÍVEIS DE ISOLAMENTO ANSI/ISO SQL
O modelo relacional apoia-se nas propriedades ACID: Atomicidade (a transação é indivisível), Consistência (preserva restrições de integridade), Isolamento (execuções simultâneas não se corrompem) e Durabilidade (mudanças persistem mesmo após falhas de hardware). O padrão ANSI SQL define quatro níveis de isolamento: Read Uncommitted (permite leitura suja), Read Committed (impede leitura suja, permite leitura não-repetível), Repeatable Read (impede leituras não-repetíveis, permite fantasmas) e Serializable (elimina todas as anomalias por meio de ordenação serial das transações).
4. Normalização de Dados: Formas Normais e Dependências Funcionais
O processo de normalização em um banco de dados tem como meta primária a eliminação de redundâncias desnecessárias e a mitigação de anomalias operacionais de inserção, atualização e exclusão. A teoria baseia-se no conceito de dependência funcional: diz-se que um conjunto de atributos Y depende funcionalmente de X (notação: X → Y) se cada valor válido de X determinar exclusivamente um único valor associado para Y.
- 1FN (Primeira Forma Normal): Todos os atributos são atômicos e monovalorados. Proíbe campos compostos, tabelas aninhadas e grupos repetitivos de valores.
- 2FN (Segunda Forma Normal): Deve estar na 1FN e todos os atributos não-chave devem depender totalmente da chave primária inteira. Elimina a dependência funcional parcial (aplicável exclusivamente a tabelas com chaves primárias compostas).
- 3FN (Terceira Forma Normal): Deve estar na 2FN e nenhum atributo não-chave pode depender transitivamente de outro atributo não-chave. Elimina a dependência transitiva (A → B e B → C, logo A → C por transição).
- FNBC (Forma Normal de Boyce-Codd): Versão mais restrita da 3FN. Exige que, para toda dependência funcional não trivial X → Y, o determinante X seja obrigatoriamente uma chave candidata ou superchave.
Embora a normalização até a 3FN ou FNBC seja imperativa em sistemas operacionais transacionais (OLTP – Online Transaction Processing) para preservar a integridade estrita, sistemas analíticos voltados para inteligência de negócios (Data Warehouses e ambientes OLAP) frequentemente realizam a desnormalização consciente. Essa técnica introduz redundâncias controladas para minimizar junções de tabelas (JOINs) complexas, priorizando o tempo de resposta em relatórios de auditoria governamental, como os disponibilizados no portal oficial Dados Abertos do Governo Federal.

5. A Linguagem SQL: Classificação dos Comandos e Subconjuntos
A linguagem SQL (Structured Query Language) é o padrão declarativo internacional para manipulação e definição de dados em qualquer banco de dados relacional. Seus comandos dividem-se em cinco subconjuntos funcionais claramente delimitados nas provas de concurso público:
DDL (Data Definition Language)
Os comandos DDL operam sobre os metadados do sistema, criando, alterando ou destruindo a própria estrutura física e lógica dos objetos no catálogo do banco de dados. Os comandos fundamentais são:
- CREATE: instancia novas estruturas (tabelas, índices, visões, esquemas, gatilhos).
- ALTER: modifica a estrutura de um objeto pré-existente (adiciona, remove ou altera colunas e restrições de chave).
- DROP: remove completamente o objeto e sua respectiva definição estrutural do catálogo.
- TRUNCATE: esvazia instantaneamente todos os registros de uma tabela, liberando o espaço de armazenamento alocado, sem registrar linha por linha no log de transações e sem disparar gatilhos de exclusão (opera com velocidade superior ao DELETE sem cláusula WHERE).
- RENAME: renomeia tabelas ou colunas no catálogo do esquema.
DML (Data Manipulation Language)
Os comandos DML atuam diretamente sobre o conteúdo das tuplas armazenadas nas tabelas, sem alterar o esquema estrutural:
- INSERT: inclui novos registros na relação.
- UPDATE: modifica os valores de atributos em registros pré-existentes que atendem a um predicado lógico especificado.
- DELETE: remove uma ou mais linhas da relação, registrando a operação no log transacional para viabilizar eventual reversão (rollback).
- MERGE: operação condicional que combina INSERT e UPDATE em uma única instrução atômica baseada na correspondência de registros entre duas tabelas.
DQL (Data Query Language)
Doutrinariamente individualizado pela cláusula SELECT, o DQL é o componente responsável por filtrar, projetar, agregar e correlacionar os registros do banco de dados. A ordem lógica de execução interna das cláusulas em um comando SELECT difere substancialmente de sua ordem sintática de escrita:
2. WHERE (Filtragem individual linha a linha antes de agrupamentos)
3. GROUP BY (Agrupamento das tuplas sobreviventes)
4. HAVING (Filtragem sobre os grupos consolidados)
5. SELECT (Projeção das colunas e expressões escalares)
6. DISTINCT (Eliminação de tuplas redundantes duplicadas)
7. ORDER BY (Ordenação final do conjunto resultante)
8. LIMIT / OFFSET (Paginação e restrição de quantidade de linhas)
DCL (Data Control Language) e DTL (Transaction Control Language)
O subconjunto DCL gerencia a governança de permissões de acesso ao catálogo de dados:
- GRANT: outorga privilégios de consulta, inserção, alteração ou execução a usuários ou papéis (roles).
- REVOKE: revoga privilégios previamente concedidos a um usuário.
O subconjunto DTL (ou TCL) administra a demarcação e o encerramento das transações lógicas no banco de dados:
- COMMIT: consolida em caráter definitivo e persistente todas as alterações realizadas pela transação no disco rígido.
- ROLLBACK: desfaz integralmente todas as operações executadas pela transação corrente, restaurando o estado consistente anterior.
- SAVEPOINT: cria um ponto intermediário de salvamento dentro da transação, viabilizando reversões parciais sem cancelar todo o bloco.
6. Junções (JOINs) e Consultas Complexas em SQL
A capacidade de correlacionar múltiplas tabelas em uma única expressão tabular representa o maior trunfo do modelo relacional em qualquer banco de dados corporativo. As junções operam a partir do produto cartesiano filtrado pelas condições de correspondência (predicado ON ou cláusula USING):
| Tipo de Junção | Mecânica Operacional | Tratamento de Não Correspondências |
|---|---|---|
| INNER JOIN | Retorna exclusivamente as tuplas que possuem correspondência mútua em ambas as tabelas | Registros sem par em qualquer dos lados são descartados |
| LEFT OUTER JOIN | Preserva todas as tuplas da tabela à esquerda, combinando com as correspondentes da direita | Colunas da tabela direita assumem valor NULL quando inexistente o par |
| RIGHT OUTER JOIN | Preserva todas as tuplas da tabela à direita, trazendo os dados casados da esquerda | Colunas da tabela esquerda preenchem-se com NULL quando ausente o par |
| FULL OUTER JOIN | Combina a união de LEFT e RIGHT JOINs em uma única relação resultante | Preenche com NULL qualquer lado que não apresente casamento de chaves |
| CROSS JOIN | Gera o produto cartesiano irrestrito (N × M linhas) | Não requer condição de junção; combina cada tupla com todas as outras |
Para ilustrar a prática, considere o cenário onde auditores do SERPRO ou da Previdência Social via DATAPREV necessitam identificar lotações sem servidores cadastrados e calcular médias salariais apenas de departamentos com mais de cinco colaboradores:
-- Seleção com agregação e junção externa
SELECT
d.nome_departamento,
COUNT(f.id_funcionario) AS total_servidores,
ROUND(AVG(f.salario), 2) AS media_salarial
FROM departamento d
LEFT JOIN funcionario f ON d.id_departamento = f.id_departamento
WHERE d.ativo = TRUE
GROUP BY d.nome_departamento
HAVING COUNT(f.id_funcionario) > 5
ORDER BY media_salarial DESC;
Perceba o papel crucial da cláusula HAVING: enquanto a cláusula WHERE filtrou apenas departamentos com status ativo antes do agrupamento, a restrição quantitativa de servidores ocorreu obrigatoriamente após a consolidação pelo HAVING, pois funções agregadas (como COUNT ou AVG) não podem compor predicados no WHERE.


7. Transações e as Propriedades ACID em Banco de Dados
Uma transação em um banco de dados é uma unidade lógica e atômica de trabalho que engloba uma sequência de operações de leitura e escrita. Para preservar a confiabilidade do sistema diante de falhas de hardware, concorrência descontrolada ou erros de software, toda transação deve obedecer estritamente às quatro propriedades ACID:
- Atomicidade (Atomicity): Princípio do “tudo ou nada”. A transação deve ser executada em sua totalidade de operações com sucesso (confirmada via
COMMIT) ou, caso ocorra qualquer interrupção anormal, todas as alterações parciais já executadas devem ser desfeitas (revertidas viaROLLBACK), retornando o banco ao estado inicial. - Consistência (Consistency): A execução isolada da transação deve levar o banco de dados de um estado válido e consistente a outro estado igualmente consistente, respeitando todas as regras declarativas e restrições de integridade estrutural (chaves primárias, estrangeiras e restrições
CHECK). - Isolamento (Isolation): Transações executadas concorrentemente não devem interferir umas nas outras. O efeito da execução de múltiplas transações simultâneas deve ser idêntico ao efeito de sua execução serializada, evitando leituras anômalas.
- Durabilidade (Durability): Uma vez que a transação receba o sinal de confirmação (
COMMIT), os dados gravados tornam-se permanentes e não serão perdidos sob nenhuma hipótese, mesmo diante de queda abrupta de energia ou falha crítica do sistema operacional, graças aos registros mantidos no log de transações (write-ahead logging).
Níveis de Isolamento ANSI SQL e Anomalias de Concorrência
O padrão ANSI/ISO define quatro níveis de isolamento transacional, balanceando consistência estrita e desempenho de vazão de concorrência em sistemas corporativos de banco de dados:
| Nível de Isolamento | Leitura Suja (Dirty Read) | Leitura Não Repetível | Leitura Fantasma (Phantom Read) |
|---|---|---|---|
| Read Uncommitted | Possível | Possível | Possível |
| Read Committed | Impedida | Possível | Possível |
| Repeatable Read | Impedida | Impedida | Possível |
| Serializable | Impedida | Impedida | Impedida |
8. Bancos de Dados Não Relacionais (NoSQL) vs Relacionais
Com o advento da computação distribuída em escala massiva (Big Data), surgiram alternativas especializadas aos modelos relacionais tradicionais. Os sistemas NoSQL (Not Only SQL) renunciam intencionalmente a parte da rigidez das propriedades ACID e da normalização formal para privilegiar escalabilidade horizontal elástica em clusters de servidores comuns.
Essa dicotomia é balizada pelo Teorema CAP, formulado por Eric Brewer, o qual demonstra que um sistema distribuído de dados pode garantir simultaneamente apenas dois dos três atributos essenciais:
- Consistência (Consistency): todos os nós da rede leem exatamente a versão mais recente e idêntica do dado no mesmo instante.
- Disponibilidade (Availability): toda requisição recebida por nós não defeituosos recebe uma resposta válida, sem garantia de ser a mais recente.
- Tolerância a Partições (Partition Tolerance): o sistema continua operando mesmo se mensagens forem perdidas ou se houver rompimento na comunicação entre nós da rede.
Famílias de Bancos de Dados NoSQL
Os principais modelos NoSQL cobrados em provas técnicas agrupam-se em quatro paradigmas:
- Chave-Valor (Key-Value): dados armazenados como pares de chave única associada a um valor arbitrário. Apresentam altíssima velocidade para operações de busca simples (exemplo: Redis, Memcached).
- Orientados a Documentos: dados encapsulados em documentos semiestruturados (como JSON ou BSON). Admitem esquemas dinâmicos e consultas internas por atributos dos documentos (exemplo: MongoDB, CouchDB).
- Família de Colunas (Column-Family / Wide-Column): dados agrupados em colunas em vez de linhas, permitindo consultas e agregações analíticas velozes sobre volumes petabyte (exemplo: Apache Cassandra, HBase).
- Baseados em Grafos: modelagem centrada em nós, arestas (relacionamentos) e propriedades, ideais para análise de fraudes fiscais, redes sociais e detecção de conluios (exemplo: Neo4j).
Para quem se prepara para certames de ponta na área policial ou de inteligência, como nos concursos da Polícia Civil e Federal, dominar essas ferramentas analíticas converge diretamente com o conteúdo programático cobrado, tal como estruturado em nosso guia de Informática PCAL: O Que Cai com Cebraspe.
9. O Comportamento das Bancas Examinadoras
A abordagem prática do tema varia conforme o perfil estilístico da instituição organizadora do certame:
Cebraspe
A banca explora itens no formato Certo/Errado exigindo precisão cirúrgica de conceitos. São muito frequentes assertivas que invertem os papéis de independência lógica e independência física de dados, afirmações que confundem atributos determinantes com chaves estrangeiras, e questões situacionais sobre a ordem estrita de execução das cláusulas do comando SELECT. O Cebraspe também cobra com insistência a distinção conceitual entre o comando DELETE (passível de rollback e mais lento) e o comando TRUNCATE (operação DDL que reseta a tabela sem varrer linha a linha).
Fundação Getulio Vargas (FGV)
A FGV constrói situações-problema baseadas em esquemas práticos com múltiplas tabelas, solicitando o resultado de consultas SQL com subconsultas aninhadas, junções externas ou cláusulas HAVING. A banca testa se o candidato percebe que valores nulos (NULL) não são contabilizados em funções como COUNT(coluna) (embora sejam computados em COUNT(*)) e se compreende as anomalias originadas por dependências funcionais parciais em tabelas fora da 2FN.
Fundação Carlos Chagas (FCC)
A FCC foca na literalidade da álgebra relacional (operadores projeção, seleção e junção natural), na aplicação dos níveis de isolamento ANSI para impedir leituras não repetíveis e leituras fantasma, além de tabelas clássicas solicitando a identificação da forma normal em que determinada relação se encontra.
10. Estratégia de Memorização e Revisão
A assimilação definitiva da teoria e sintaxe de banco de dados demanda um método de estudo que intercale teoria profunda e execução repetitiva de questões gabaritadas. A memorização de mnemônicos estruturais e diagramas sintáticos não deve prescindir de duas ferramentas pedagógicas cruciais:
Primeiramente, realize simulações de prova cronometradas com questões de certames anteriores para mapear com clareza quais comandos ou conceitos de normalização geram hesitação no momento do exame, aplicando a metodologia que ensinamos em Simulados para Concursos: Como Fazer o Diagnóstico.
Em segundo lugar, para reter a tipologia de comandos DDL versus DML, os operadores de junção e a matriz de anomalias por nível de isolamento, a repetição espaçada é insubstituível. Organize cartões conceituais seguindo o passo a passo demonstrado em nosso roteiro de Flashcards para Concursos: Como Criar e Reter Conteúdo.
Checklist Rápido de Fixação
- ANSI/SPARC: Externo (visões), Conceitual (lógico), Interno (físico).
- Integridade Relacional: Entidade (PK não nula), Referencial (FK aponta para PK válida ou NULL).
- Formas Normais: 1FN = atômico; 2FN = 1FN + sem dependência parcial; 3FN = 2FN + sem dependência transitiva; FNBC = todo determinante é chave candidata.
- Subconjuntos SQL: DDL (estrutura: CREATE, ALTER, DROP, TRUNCATE), DML (dados: INSERT, UPDATE, DELETE), DQL (consulta: SELECT), DCL (permissões: GRANT, REVOKE), DTL (transação: COMMIT, ROLLBACK).
- Propriedades ACID: Atomicidade (tudo ou nada), Consistência (regras preservadas), Isolamento (sem interferência concorrente), Durabilidade (permanente pós-commit).
- Diferença Chave:
WHEREfiltra linhas antes da agregação;HAVINGfiltra grupos após o agrupamento.
Referências Oficiais e Fontes Consultadas
A elaboração deste guia fundamenta-se em documentos oficiais, atos normativos e diretrizes institucionais:
- SILBERSCHATZ, Abraham; KORTH, Henry F.; SUDARSHAN, S.. Sistema de Banco de Dados. 7ª edição. Rio de Janeiro: Elsevier.
- ELMASRI, Ramez; NAVATHE, Shamkant B.. Sistemas de Banco de Dados. 7ª edição. São Paulo: Pearson.
- DATE, C. J.. Introdução a Sistemas de Bancos de Dados. 8ª edição. Rio de Janeiro: Campus/Elsevier.
- INTERNATIONAL ORGANIZATION FOR STANDARDIZATION (ISO). ISO/IEC 9075: Information Technology – Database Languages – SQL. Genebra: ISO.