hwr-notes/Datenbanken/Zusammenfassungen/d_SQL - zusammenfassung.md

SQL – Zusammenfassung

Dozent: A. Zimmermann | HWR Berlin | 2026 | Folien 1–96

---

1. Überblick (Folie 2)

SQL-Befehle sind in vier Kategorien unterteilt:

Kategorie	Abkürzung	Befehle
Data Definition Language	DDL	ALTER, COMMENT, CREATE, DROP, RENAME, TRUNCATE
Data Manipulation Language	DML	CALL, DELETE, EXPLAIN, INSERT, LOCK, MERGE, SELECT, UPDATE
Data Control Language	DCL	GRANT, REVOKE
Transaction Control Language	TCL	COMMIT, ROLLBACK, SAVEPOINT, SET TRANSACTION

---

2. Datentypen (Folien 3–5)

Datentyp = Werte + Operationen

Oracle-Datentypen

Datentyp	Beschreibung
VARCHAR(n) / VARCHAR2(n)	Zeichenkette variabler Länge
CHAR(n)	Zeichenkette fester Länge
NUMBER(p, s)	Dezimale Zahl, p=Stellen (1–38), s=Nachkomma (-84–127), Werte bis ±10^125
DECIMAL(p, s)	Dezimale Zahl, Werte bis ±10^308
INTEGER	Ganze Zahl, -2.147.483.648 bis 2.147.483.647
DATE	Datum/Uhrzeit (sekundengenau)
RAW(n)	Binärdaten, 1–2000 Bytes
LONG RAW	Binärdaten bis 2 GiB
CLOB	Zeichenketten bis 4 GiB
BLOB	Binärdaten bis 4 GiB
CFILE / BFILE	Zeiger auf externe Dateien (Text/Binär)

---

3. Einfache Befehle (Folien 6–11)

DDL – Tabellen anlegen und löschen

CREATE TABLE Professoren (
    PersNr  INTEGER NOT NULL,
    Name    VARCHAR(30) NOT NULL,
    Rang    CHARACTER(2),
    PRIMARY KEY(PersNr)
);

DROP TABLE Professoren;

DML – Einfügen, Löschen, Ändern

-- Einzelnes Tupel einfügen
INSERT INTO Professoren (PersNr, Name, Rang)
VALUES (30314, 'Cantor', 'W2');

-- Mehrere Tupel gleichzeitig
INSERT INTO Professoren (PersNr, Name, Rang) VALUES
(30314, 'Cantor', 'W2'),
(30315, 'Leibniz', 'W1'),
(30316, 'Plank', 'W1');

-- Einfügen mit verschachtelter Abfrage
INSERT INTO hoeren
SELECT MatrNr, VorlNr
FROM Studenten, Vorlesungen
WHERE Titel = 'Datenbanken';

-- Teilweises Einfügen (Rang wird NULL)
INSERT INTO Professoren (PersNr, Name)
VALUES (30317, 'Feuerbach');

-- Löschen
DELETE FROM Professoren;
DELETE FROM Professoren WHERE Rang = 'W3';

-- Ändern
UPDATE Studenten SET Semester = Semester + 1;

Inline-View

Eine SELECT-Anweisung mit einer weiteren SELECT-Anweisung in der FROM-Klausel:

-- Professoren, die Assistenten haben
SELECT p.Name, p.Raum
FROM Professoren p,
    (SELECT DISTINCT Boss FROM Assistenten) a
WHERE p.PersNr = a.Boss;

Allgemeine SELECT-Syntax (Folie 11)

SELECT column1, column2
FROM table1, table2
WHERE condition
GROUP BY column1, column2
HAVING condition
ORDER BY column1, column2;

---

4. Erweiterungen (Folien 12–14)

Sortieren

SELECT PersNr, Name, Rang FROM Professoren
ORDER BY Rang DESC, Name ASC;

Duplikate eliminieren

SELECT DISTINCT Rang FROM Professoren;

Platzhalter (nur mit LIKE)

• _ — genau ein Zeichen
• % — beliebig viele Zeichen (auch keines)

SELECT * FROM Professoren WHERE Rang LIKE 'W_';
SELECT * FROM Professoren WHERE Name LIKE 'T%eophrastos';

IN / NOT IN

SELECT Name FROM Studenten WHERE Semester IN (1, 2, 3);

SELECT Name FROM Professoren
WHERE PersNr NOT IN (SELECT gelesenVon FROM Vorlesungen);

ALL / ANY

-- ALL: Alle Bedingungen müssen erfüllt sein (AND)
SELECT Name FROM Studenten WHERE Semester >= ALL (7, 8, 9);

-- ANY: Mindestens eine Bedingung (OR)
SELECT Name FROM Studenten WHERE Semester >= ANY (7, 8, 9);

---

5. Anfragen über mehrere Relationen (Folien 15–20)

Vorgehensweise:

1. Kreuzprodukt aus Tabellen bilden
2. Relevante Zeilen und Felder ausschneiden

Wichtigste Voraussetzung: Information über Verbindung zwischen Tabellen (Join-Prädikat).

SELECT p.Name Professor, a.Name Assistent
FROM Professoren p, Assistenten a
WHERE p.PersNr = a.Boss;    -- join-Prädikat (access-Prädikat)

Aliasse sind praktikabel und notwendig, wenn Felder mit gleichen Namen aus verschiedenen Tabellen involviert sind.

---

6. Operator JOIN (Folien 21–53)

6.1 Motivation (Folie 21)

Ohne JOIN stehen Join- und Filter-Prädikate zusammen in WHERE. Der JOIN-Operator trennt diese:

• JOIN ... ON: Join-Prädikat
• WHERE: Filter-Prädikat

→ Erleichtert dem Optimizer die Arbeit.

6.2 Innere JOINs (Folien 23–30)

Tupel ohne Partner gehen verloren.

Natürlicher Verbund (NATURAL JOIN)

• Voraussetzung: Gleich benannte Attribute mit gleichem Datentyp
• Verknüpft automatisch über gleichnamige Spalten
• Join-Attribute erscheinen nur einmal im Ergebnis

SELECT MatrNr, Name, Titel
FROM Studenten NATURAL JOIN hoeren NATURAL JOIN Vorlesungen;

Allgemeiner Verbund (Theta-JOIN / INNER JOIN)

• Beliebige Attribute und Bedingungen
• Keine Attribute werden eliminiert

SELECT p.Name Professor, a.Name Assistent
FROM Professoren p JOIN Assistenten a ON p.PersNr = a.Boss;

6.3 Äußere JOINs (Folien 31–37)

Tupel ohne Partner werden mit NULL ergänzt und bleiben im Ergebnis.

Typ	Beschreibung	SQL
LEFT OUTER JOIN	Alle Tupel der linken Relation bleiben, rechts ggf. NULL	L LEFT OUTER JOIN R ON ...
RIGHT OUTER JOIN	Alle Tupel der rechten Relation bleiben, links ggf. NULL	L RIGHT OUTER JOIN R ON ...
FULL OUTER JOIN	Alle Tupel beider Relationen bleiben, ggf. NULL	L FULL OUTER JOIN R ON ...

Beispiel LEFT OUTER JOIN:

L.A	L.B	L.C	R.D	R.E
a1	b1	c1	d1	e1
a2	b2	c2	NULL	NULL

6.4 Semi-JOINs (Folien 38–46)

Liefern Tupel nur aus einer der beiden Relationen.

Operator	Symbol	Beschreibung	Formel
Semi-JOIN L mit R	L ⋉ R	Tupel aus L, die Partner in R haben	π_L(L ⋈ R)
Semi-JOIN R mit L	L ⋊ R	Tupel aus R, die Partner in L haben	π_R(L ⋈ R)
Anti-Semi-JOIN L	L ⊲ R	Tupel aus L ohne Partner in R	L — (L ⋉ R)
Anti-Semi-JOIN R	L ⊳ R	Tupel aus R ohne Partner in L	R — (L ⋊ R)

-- Semi-JOIN
SELECT L.* FROM L INNER JOIN R ON L.x = R.x;
SELECT L.* FROM L INNER JOIN R USING (x);

6.5 SQL-Implementierung (Folien 47–53)

SQL-Schlüsselwort	Entsprechung
CROSS JOIN	Kartesisches Produkt
NATURAL JOIN	Natürlicher Verbund
INNER JOIN	Allgemeiner Verbund (Theta-JOIN)
LEFT OUTER JOIN	Linker äußerer Verbund
RIGHT OUTER JOIN	Rechter äußerer Verbund
FULL OUTER JOIN	Vollständiger äußerer Verbund

---

7. Anfragebearbeitung (Folien 54–58)

Ablauf einer SQL-Anweisung

1. Parser → Syntax prüfen
2. Optimizer → Optimalen Zugriffsplan erstellen
3. Row Source Generator → Ausführungsplan auf physische Ressourcen
4. Execution Engine → Ergebnisse erzeugen

Optimizer-Algorithmen

Typ	Beschreibung
RBO (Rule-Based)	Intern festgelegte Regeln; veraltet
CBO (Cost-Based)	Interne Statistiken über Tabellen/Indizes; empfohlen

Wichtig: Statistiken müssen regelmäßig aktualisiert werden (Befehl ANALYZE). Optimizer-Hints möglich: /*+CHOOSE */, /*+ORDERED */

Suchverfahren

Methode	Voraussetzung	Geschwindigkeit
Full Table Scan	Keine geeigneten Indizes	Langsamste
Index-Scan	Geeigneter Index vorhanden	Schnellste (Rückgabe: RowID)
Hash-Scan	Keine Indizes; Hash-Werte werden generiert	Mittel

Join-Verfahren

Verfahren	Beschreibung
Verschachtelte Schleifen (Nested Loops)	Äußere Schleife + innere Schleife für jede Zeile
Sort-Merge-Join	Beide Tabellen sortieren, dann zusammenführen
Hash-Join	Hash-Tabelle für eine Tabelle, Suche mit Werten der anderen
Kartesisches Produkt	Bei fehlenden Verbindungsbedingungen
Index-Join	Indizes statt Tabellen verknüpfen (nur bei einspaltigen Indizes)

---

8. Indizes (Folien 59–95)

8.1 Überblick (Folie 59)

Index-Typ	Geeignet für	Beispiel
Konventionell (Binärbaum)	Spalten mit vielen unterschiedlichen Werten	PersID, Matrikelnummer
Bitmap	Spalten mit vielen gleichen Werten (geringe Kardinalität)	Geschlecht, Kategorie

Allgemeiner Aufbau: { [ Suchfeld, RowID ] }

8.2 Lineare Listen (Folien 60–64)

Einfach verkettete Liste: Jedes Element hat Daten + Zeiger auf nächstes Element.

Doppelt verkettete Liste: Zusätzlicher Rückwärts-Zeiger.

Operationen:

• Anhängen am Ende (keine Sortierung): O(1)
• Sortiertes Einfügen: O(n)
• Löschen: Zeiger des Vorgängers auf Nachfolger setzen, Speicher freigeben

8.3 Binärbäume (Folien 65–75)

Terminologie:

Begriff	Bedeutung
Wurzel (Root)	Einziger Knoten ohne Vorgänger
Blatt	Knoten ohne Nachfolger
Innerer Knoten	Weder Wurzel noch Blatt
Kante	Gerichtete Verbindung (Vorgänger → Nachfolger)
Ebene	Knoten mit gleicher Pfadlänge zur Wurzel
Tiefe	Gesamtzahl der Ebenen
Grad	Maximale Anzahl direkter Nachfolger

Suchaufwand: Logarithmisch O(log n) — aber kann zu O(n) degradieren wenn Baum entartet.

AVL-Baum: Höhe beider Teilbäume an jedem Knoten unterscheidet sich höchstens um 1.

Balancierter Baum: Höchstens letzte Ebene nicht vollständig besetzt. Jeder balancierte Baum ist ein AVL-Baum, aber nicht umgekehrt.

Durchlauf-Reihenfolgen

Reihenfolge	Kürzel	Verwendung
Preorder	WLR	Baum linear auf Datenträger speichern
Inorder	LWR	Sortierte Liste erstellen → balancierten Baum erzeugen
Postorder	LRW	Geräte programmieren (erst Parameter, dann Operation)

Balancierung

• Offline: Kopie → Inorder-Liste → Binär einfügen → Ausgeglichener Baum. Einfach, aber Zugriffe gesperrt.
• Online: Zur Laufzeit rekursiv ausgleichen. Kann kurzfristig zu Fehlern führen.

8.4 Hashing (Folien 76–90)

Funktionsprinzip:

1. Für jeden Datensatz wird ein Schlüssel gebildet
2. Hash-Funktion ordnet dem Schlüssel einen kurzen Hash-Wert zu
3. Hash-Wert dient als Index in der Hash-Tabelle
4. Hash-Tabelle enthält Verweise auf Datensätze

Kollision: Zwei unterschiedliche Schlüssel erzeugen denselben Hash-Wert.

Kollisionsbehandlung:

• Hashing mit Verkettung: Verkettete Listen an Hash-Tabellen-Einträgen
• Lineares Hashing: Dynamische Tabellenerweiterung bei hohem Belegungsfaktor
• Sondierung: Linear/quadratisch/zufällig in der Tabelle selbst suchen

Anforderungen an Hash-Funktionen:

• Effizient berechenbar, geringer Speicherbedarf
• Wenig Kollisionen (Gleichverteilung der Hash-Werte)
• Einwegfunktion (Hash → Schlüssel nicht berechenbar)
• Surjektivität (kein Hash-Wert unmöglich)
• Lawineneffekt: 1 Bit Unterschied → mindestens halbe Bits der Hash-Werte unterschiedlich

Hash-Funktions-Beispiele:

1. Modulo: HW = Key % Basis (Primzahlen empfohlen)
2. Abschneiden: Key² berechnen, dann von links/rechts kürzen
3. Zerlegung & Addition: Key in gleich große Teile zerlegen und addieren

Binärbäume vs. Hashing:

• Bäume: Garantie im Worst Case, Sortierung möglich, dynamische Größe
• Hashing: Schneller im Durchschnitt O(1) vs. O(log n)

8.5 Bitmap-Indizes (Folien 92–95)

Geeignet für:

• Geringe Kardinalität (0,1%–1% unterschiedliche Werte)
• Wenige Änderungen (Data Warehouse / OLAP)

Aufbau: Für jeden einzigartigen Wert eine Bit-Spalte. Pro Zeile steht 1 (Treffer) oder 0 (kein Treffer).

Vorteile:

• Stark komprimiert → schnell lesbar
• Mehrere Indizes kombinierbar
• Logische Operationen (AND, OR) sehr schnell im Prozessor

Nachteile:

• Immenser Wartungsaufwand bei Änderungen
• Bandbreite der Prozessor-Kanäle wichtig
• Können Deadlocks verursachen

---

Zusammenfassung

Thema	Kernaussage
SQL-Kategorien	DDL (Struktur), DML (Daten), DCL (Rechte), TCL (Transaktionen)
Einfache Befehle	CREATE, INSERT, UPDATE, DELETE, SELECT
JOINs	Inner (NATURAL, Theta), Outer (LEFT, RIGHT, FULL), Semi (⋉, ⋊, ⊲, ⊳)
Anfragebearbeitung	Parser → Optimizer (RBO/CBO) → Row Source Generator → Execution Engine
Suchverfahren	Full Table Scan, Index-Scan (schnellste), Hash-Scan
Binärbäume	O(log n) Suche; AVL/balanciert halten; Preorder/Inorder/Postorder
Hashing	O(1) Durchschnitt; Kollisionsbehandlung; Modulo/Abschneiden/Zerlegung
Bitmap-Indizes	Für geringe Kardinalität; Bit-Spalten pro Wert; schnelle logische Operationen