Donnerstag, 2025-10-09_DB_WIT¶

DQL – Data Query Language (SQL-Abfragen)¶

Thema: Datenabfrage in relationalen Datenbanksystemen
Kontext: Lesen, Filtern und Auswerten von Daten (ohne Veränderung)

1. Einordnung: SQL und DQL¶

SQL (Structured Query Language) besteht aus mehreren Teilsprachen:

DDL – Data Definition Language (CREATE, ALTER, DROP)
DML – Data Manipulation Language (INSERT, UPDATE, DELETE)
DQL – Data Query Language (SELECT)
DCL – Data Control Language (GRANT, REVOKE)
TCL – Transaction Control Language (COMMIT, ROLLBACK)

Diese Mitschrift behandelt ausschließlich DQL.

2. Was ist DQL?¶

DQL (Data Query Language) dient zum Abfragen von Daten aus einer Datenbank.

Eigenschaften: - liest Daten ohne sie zu verändern - ist logisch seiteneffektfrei - bildet die Grundlage für: - Auswertungen - Reports - Anwendungslogik - Benutzeroberflächen

Zentrales Schlüsselwort:

SELECT

3. Grundstruktur einer SELECT-Abfrage¶

SELECT spalten
FROM tabelle
WHERE bedingung;

Bedeutung: - SELECT → Welche Daten? - FROM → Aus welcher Tabelle? - WHERE → Unter welchen Bedingungen?

Beispiel:

SELECT name, email
FROM kunden
WHERE aktiv = 1;

4. Wichtige Bestandteile von DQL¶

WHERE – Filtern von Datensätzen¶

Vergleichsoperatoren: - =, !=, <, >, <=, >=

Logische Operatoren: - AND - OR - NOT

Beispiel:

SELECT *
FROM bestellungen
WHERE preis > 100 AND status = 'offen';

ORDER BY – Sortieren von Ergebnissen¶

ORDER BY spalte ASC | DESC

Beispiel:

SELECT *
FROM produkte
ORDER BY preis DESC;

LIMIT – Begrenzen der Ergebnismenge¶

LIMIT anzahl

Beispiel:

SELECT *
FROM logeintraege
ORDER BY zeitstempel DESC
LIMIT 10;

5. Aggregatfunktionen (Auswertungen)¶

DQL erlaubt statistische Auswertungen:

COUNT() – Anzahl
SUM() – Summe
AVG() – Durchschnitt
MIN() – Minimum
MAX() – Maximum

Beispiel:

SELECT COUNT(*)
FROM kunden
WHERE aktiv = 1;

6. GROUP BY – Gruppierte Abfragen¶

Aggregatfunktionen werden pro Gruppe angewendet.

Beispiel:

SELECT status, COUNT(*)
FROM bestellungen
GROUP BY status;

7. HAVING – Filtern nach Aggregation¶

Unterschied:

WHERE filtert vor der Gruppierung
HAVING filtert nach der Gruppierung

Beispiel:

SELECT status, COUNT(*)
FROM bestellungen
GROUP BY status
HAVING COUNT(*) > 10;

8. DQL und Performance¶

Best Practices:

Nur benötigte Spalten abfragen (SELECT name statt SELECT *)
WHERE-Klauseln gezielt einsetzen
Indizierte Spalten bevorzugen
Große Ergebnismengen vermeiden

DQL-Abfragen beeinflussen direkt: - Antwortzeiten - Serverlast - Benutzererfahrung

9. Typische Fehler¶

SELECT * ohne Notwendigkeit
Fehlende WHERE-Bedingungen
Verwechslung von WHERE und HAVING
Ungenaue Filter → unnötig große Ergebnismengen

10. Bedeutung für FIAE¶

DQL ist zentral für:

Backend-Entwicklung
Datenanalyse
Webanwendungen
Prüfungen (AP1/AP2)
Technische Interviews

Ohne DQL: - keine Datenanzeige
- keine Suche
- keine Auswertung