banco de dados by VINICIUS AUGUSTO DA SILVA

linha do tempo do banco de dados

4553513381 — 2024-03-20 19:47:35 UTC

1960 - 1970:

4553513381 — 2024-03-20 20:04:20 UTC

Hierárquico e em rede: Modelos de dados hierárquicos e em rede são desenvolvidos, com destaque para o IMS (Information Management System) da IBM e o CODASYL DBTG.

1970:

4553513381 — 2024-03-20 20:04:45 UTC

Modelo Relacional: Edgar Codd propõe o modelo relacional de bancos de dados em seu artigo "A Relational Model of Data for Large Shared Data Banks".

1980:

4553513381 — 2024-03-20 20:04:55 UTC

SQL: A linguagem SQL (Structured Query Language) é padronizada e se torna a linguagem de consulta padrão para bancos de dados relacionais.

Sistemas de Gerenciamento de Banco de Dados Relacionais (SGBDR): Oracle, IBM DB2, e Microsoft SQL Server são lançados, dominando o mercado.

1990:

4553513381 — 2024-03-20 20:05:28 UTC

Data Warehousing: Surgimento de bancos de dados especializados em suportar análise de dados em larga escala, conhecidos como data warehouses.

OLAP (Online Analytical Processing): Tecnologia que permite análise multidimensional de dados em tempo real.

2000:

4553513381 — 2024-03-20 20:05:39 UTC

Bancos de dados NoSQL: Com o crescimento exponencial de dados não estruturados, surgem bancos de dados NoSQL (Not Only SQL) para lidar com esses tipos de dados de forma mais eficiente.

Big Data: O volume, variedade e velocidade dos dados aumentam, dando origem ao conceito de Big Data e tecnologias associadas, como Hadoop e Spark.

2010:

4553513381 — 2024-03-20 20:05:46 UTC

Bancos de Dados em Nuvem: Popularização de bancos de dados hospedados na nuvem, como Amazon RDS, Google Cloud SQL e Azure SQL Database.

Bancos de Dados Distribuídos: Surgimento de bancos de dados distribuídos que escalonam horizontalmente para lidar com grandes volumes de dados e aumentar a disponibilidade, como Cassandra e MongoDB.

2020:

4553513381 — 2024-03-20 20:05:53 UTC

Bancos de Dados Gráficos: Aumento da adoção de bancos de dados orientados a grafos para modelar e consultar relações complexas entre os dados.

Inteligência Artificial e Machine Learning em Bancos de Dados: Integração de recursos de IA e ML em bancos de dados para automatizar tarefas de gerenciamento, otimização de consultas e detecção de padrões.