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.
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.
DELETE-Statements löschen selektierte Datensätze. Sie gehören zur DML-Sprachfamilie, lassen also die Datenstruktur (z. B. auch den Zähler für automatisch vergebene Schlüssel) unangetastet. Der Artikel zeigt das Löschen mit Unterabfragen, die Wirkung von Fremdschlüsseln, das Archivieren in einer Transaktion und den Unterschied zu TRUNCATE und DROP.
UPDATE-Statements ändern den Inhalt von selektierten Datensätzen. Die Werte können aus Literalen, Subqueries oder Formeln stammen. Der Artikel zeigt prozentuale Änderungen, Bedingungen über andere Tabellen, Fallunterscheidungen mit CASE, den Umgang mit NULL und typische Fehler.
INSERT-Statements sind zuständig dafür, neue Datensätze in die Tabellen einzufügen. Als Datenquelle können Literale oder SELECT-Statements dienen. Der Artikel zeigt, welche Werte nicht genannte Spalten erhalten, wie man mehrere Zeilen auf einmal oder Abfrageergebnisse (z. B. für ein Archiv) einfügt und woran ein INSERT scheitern kann.
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.
Dies ist der dritte Teil (Normalisierung) einer Beispiellösung für die „Let’s Meet“ Datenbank-Lernsituation. Die Daten sollen nun über Zeichenkettenoperationen, JOIN, UNION und Subselects im Bestand normalisiert und in neue Tabellen übernommen werden.
Aggregatfunktionen wie COUNT, SUM, AVG, MIN und MAX fassen die Werte vieler Zeilen zu einem Wert zusammen – für die ganze Tabelle oder mit GROUP BY je Gruppe. Mit HAVING filterst Du nach diesen Ergebnissen. Der Artikel zeigt außerdem, wie NULL-Werte, Verbünde (JOIN) und Prozentrechnungen die Ergebnisse beeinflussen, wie Du mit Aggregaten weiterrechnest (z. B. Deckungsbeitrag), Streuung und Zeitdauern auswertest und welche Fehler typisch sind.
In der Projektion eines SELECT-Statements können Funktionen genutzt werden, die skalar oder aggregierend sind, die Zahlen, Zeichenketten, Datumswerte oder auch die Ablaufsteuerung betreffen. Dieser Artikel gibt eine kurze Übersicht für MariaDB/MySQL und andere DBMS und zeigt typische Anwendungen: Alter berechnen, Nummern zerlegen, Namen kürzen.
Der am häufigsten benötigte SQL-Befehl ist der SELECT-Befehl. In diesem Grundlagenartikel werden die Bestandteile Projektion und Selektion sowie die einzelnen Clauses einfacher SELECTs beschrieben. Dazu gehören Spaltenaliase, Bedingungen mit Mustern, Bereichen und NULL – samt der typischen Stolperfallen bei Postleitzahlen, Datumswerten und Umlauten. Sortieren und Begrenzen behandelt ein eigener Artikel.
