Vier Übungsaufgaben zu Unterabfragen und Mengenoperationen, zwei davon für den Einstieg – Vergleich mit berechneten Werten, IN, NOT IN mit NULL-Falle, EXISTS, korrelierte Unterabfragen, Prozentanteile, ALL, abgeleitete Tabellen, UPDATE und DELETE mit Unterabfrage, Archivieren, Merkmalstabellen, typische Fehlerbilder sowie UNION, UNION ALL, INTERSECT und EXCEPT.
Sechs Übungsaufgaben zum Einfügen, Ändern und Löschen von Datensätzen – mit Preisänderungen, Fallunterscheidungen, Archivtabellen, Fremdschlüsseln, Transaktionen, Anonymisierung, Datenübernahme in ein neues Tabellenschema, Terminverschiebungen und typischen Fehlern.
Fünf Übungsaufgaben zu Aggregatfunktionen, GROUP BY und HAVING – mit Umsatzauswertungen, Auslastungen, Altersstatistiken, Archivtabellen, Deckungsbeiträgen, Streuungsmaßen, Zustelldauern und typischen Fehlern.
Drei Übungsaufgaben zu einfachen SELECT-Abfragen auf einer Tabelle – mit Spaltenauswahl und Aliasen, Bedingungen mit LIKE, BETWEEN, IN und NULL, Zählen, DISTINCT, den ersten n Zeilen, Vergleich mit dem Durchschnitt, Sortierung, Zeichenketten- und Datumsfunktionen, Postleitzahlen als Text, der Einordnung in DDL/DML/DQL sowie typischen Fehlern.
Fünf Übungsaufgaben zu Verbünden über mehrere Tabellen – vom einfachen INNER JOIN über LEFT, RIGHT und nachgebauten FULL JOIN bis zu Tabellen in mehreren Rollen, zusammengesetzten Join-Bedingungen, Anti-Joins, Vervielfachung beim Zählen sowie UPDATE und DELETE mit JOIN, außerdem Zeitspannen-Auswertungen, DISTINCT-Abfragen und Verbünde mit pandas.
Am Beispiel einer Rechnungsdatenbank erstellst Du SQL-Befehle mit Unterabfragen, Aggregationen, Joins und Transaktionen.
Übungsaufgaben zur Datenbank-Modellierung und einfachen SQL-Abfragen am Beispiel einer Datenbank für die Planung eines Kongresses. Die einzelnen Schritte werden exemplarisch (an Teilbereichen der Datenbank) abgefragt. Die Aufgaben waren Bestandteil einer klassischen Zettel/Stift Klassenarbeit. Es soll ein konzeptuelles Datenmodell erstellt werden, dieses soll in ein logisches Datenmodell transformiert werden. Das Relationenschema soll normalisiert werden, schließlich soll die Datenstruktur erstellt und die Daten einer Tabelle eingefügt, geändert, gelöscht und ausgelesen werden.
Grundlagenaufgaben zur Data Definition und Data Manipulation Language am Beispiel der entworfenen Let’s Meet Datenbank. Da deren Daten als SQL-Importskript vorliegen können die Aufgaben auch unmittelbar im DBMS ausprobiert werden.
