New Einführung in die Wirtschaftsinformatik - SQL-DML-QL/WI... · 2019. 4. 29. ·...

Einführung in die Wirtschaftsinformatik

06: SQL – Data Manipulation Language und Query Language

Isabella Seeber

Die Datenbank eines Fahrradhändlers

Dr. Isabella Seeber2

Alle folgenden Abfragen bauen auf diesem Modell auf.Die dazugehörige Datenbank finden Sie in OLAT unter:Vorlesung (VO) -> Vorlesungsunterlagen -> AdventureWorks.accdb

ER Diagramme – SQL DDL


Welche der folgenden CREATE-Table Statement(s ) setzt/setzen die N:M Beziehung korrekt um?

CREATE TABLE Kunde_Adresse (ID counter,fs_kundeID integer,fs_adresseID integer,Hauptadresse yesno,primary key (ID));

create table Kunde_Adresse(ID counter,fs_kundeID integer,fs_adresseID integer,Hauptadresse yesno,primary key (ID),foreign key (fs_kundeID) references Kunde (kundeID),foreign key (fs_adresseID) references Adresse (adresseID));

create table Kunde_Adresse(ID,fs_kundeID integer,Hauptadresse yesno,primary key (ID),foreign key (fs_kundeID) references Kunde (kundeID),foreign key (fs_adresseID) references Adresse (adresseID));

A

B

C

http://pingo.upb.de/969824

Informationssysteme erforderlich, die in der Lage sind die zunehmenden Datenmengen in der notwendigen Qualität zu managen und auszuwerten (vgl. SAP HANA).

Quellen: Buhl et al. (2013), IBM Global Business Services (2012)

Volume

Große Datenmengen

eBay analysiert täglich 100 Terabyte anKundentransaktionsdaten

Variety

Daten in vielen Formaten

In Facebook werden monatlich ca. 30Mrd. Inhalte (z.B. Texte, Videos) geteilt

Velocity

Datenströme

Autos sind mit ca. 100 Sensorenausgestattet (z.B. Tankinhaltsmessung)

Veracity

Datenunsicherheit

Aufgrund schlechter Datenqualität entsteht der US Wirtschaftjährlich ein Schaden von ca. 1,3 Bio. Euro

Die wesentlichen Charakteristika (V‘s) von Big Data


Big Data – Große Datenmengen

Beispiele

eBay.com analysiert täglich ca. 100TB an Transaktionsdaten, um die Suche, die Empfehlungen für Kunden und den Verkauf zu verbessern.

Walmart analysiert mehr als 1 Mio. Kundentransaktionen pro Stunde, um die Nachfrage für seine Produkte zu prognostizieren.

Die Immobilienfirma Windermere Real Estate analysiert die Routen von fast 100 Mio. Fahrern in den USA, um die Fahrzeiten für neue Hausbesitzer zu bestimmen.

Amazon, Facebook, Morgan Stanley, etc.

Globale Datenmenge

[in Zettabytes]

2009 2011 2015 2020

35,0

7,9

1,90,8

Quelle: [Reuters 2012]


Big Data – Große Datenmengen (cont‘d)


http://www.ibmbigdatahub.com/infographic/four-vs-big-data










Von ERP zu Big Data


https://blogs.msdn.microsoft.com/data__knowledge__intelligence/2013/02/18/big-data-big-deal/

Welche Informationen könnten für Geschäftsentscheidungen wesentlich sein?


Aus Sicht der/des:

Geschäftsleitung Marketing

VerkaufEinkauf

SQL Kommandos


https://www.w3schools.in/mysql/ddl-dml-dcl/

DDL is short name of Data Definition Language, which deals with database schemas and descriptions, of how the data should reside in the database. •CREATE - to create a database and its objects like (table, index, views, store procedure, function, and triggers)•ALTER - alters the structure of the existing database•DROP - delete objects from the database

DML is short name of Data Manipulation Language which deals with data manipulation and includes most common SQL statements such SELECT, INSERT, UPDATE, DELETE, etc., and it is used to store, modify, retrieve, delete and update data in a database. •SELECT - retrieve data from a database•INSERT - insert data into a table•UPDATE - updates existing data within a table•DELETE - Delete all records from a database table

Einfügen von Daten

INSERT INTO tabelleVALUES (wert_1, …, wert_n);

bzw.

INSERT INTO tabelle (attribut_1, …, attribut_n) VALUES (wert_1, …, wert_n);

• Werte von zeichenbasierten Datentypen müssen in Anführungszeichen stehen, von zahlenbasierten Datentypen nicht

• Werte und deren Reihenfolge lässt sich mit der zweiten Variante ändern


Einfügen von Daten (cont‘d)

Neue Kategorie „Shoes“ mit der ID 42 einfügen

INSERT INTO Kategorie VALUES (42, "Shoes");

oder

INSERT INTO Kategorie (kategorieId, name)

VALUES (42, "Shoes");

kategorieId ist vom Typ LONGName ist vom Typ VARCHAR

kategorieID name

1 Bikes

2 Components

3 Clothing

4 Accessories

5 Mountain Bikes

6 Road Bikes

7 Touring Bikes

8 Handlebars

9 Bottom Brackets

10 Brakes

11 Chains

12 Cranksets

13 Derailleurs

14 Forks

15 Headsets

16Mountain Frames

17 Pedals

18 Road Frames

19 Saddles

20 Touring Frames

… …


Löschen von Daten

DELETE

FROM tabelle;

bzw.

DELETE

FROM tabelle

WHERE bedingungen;

• Mit WHERE Bedingungen werden nur jene Entitäten (Zeilen) gelöscht, die die Bedingungen erfüllen, ansonsten alle

• Bedingungen können mittels AND bzw. OR verknüpft werden


Löschen von Daten (cont‘d)

• Alle Kunden löschen

DELETE FROM Kunde;

• Alle Kunden mit einer Id kleiner als 10 löschen

DELETE FROM KundeWHERE kundeID < 10;


Tabelle Kunde

kundeID vorname mittelname nachname firma betreuer email telefon1Orlando N. Gee A Bike Store adventure-works\pamela0 [email protected] 245-555-01732Keith Harris Progressive Sports adventure-works\david8 [email protected] 170-555-01273Donna F. Carreras Advanced Bike Components adventure-works\jillian0 [email protected] 279-555-01304Janet M. Gates Modular Cycle Systems adventure-works\jillian0 [email protected] 710-555-01735Lucy Harrington Metropolitan Sports Supply adventure-works\shu0 [email protected] 828-555-01866Rosmarie J. Carroll Aerobic Exercise Company adventure-works\linda3 [email protected] 244-555-01127Dominic P. Gash Associated Bikes adventure-works\shu0 [email protected] 192-555-0173

10Kathleen M. Garza Rural Cycle Emporium adventure-works\josé1 [email protected] 150-555-012711Katherine Harding Sharp Bikes adventure-works\josé1 [email protected] 926-555-015912Johnny A. Caprio Bikes and Motorbikes adventure-works\garrett1 [email protected] 112-555-019116Christopher R. Beck Bulk Discount Store adventure-works\jae0 [email protected] 1 (11) 500 555-013218David J. Liu Catalog Store adventure-works\michael9 [email protected] 440-555-013219John A. Beaver Center Cycle Shop adventure-works\pamela0 [email protected] 521-555-019520Jean P. Handley Central Discount Store adventure-works\david8 [email protected] 582-555-011321Jinghao Liu Chic Department Stores adventure-works\jillian0 [email protected] 928-555-011622Linda E. Burnett Travel Systems adventure-works\jillian0 [email protected] 121-555-012123Kerim Hanif Bike World adventure-works\shu0 [email protected] 216-555-012224Kevin Liu Eastside Department Store adventure-works\linda3 [email protected] 926-555-016425Donald L. Blanton Coalition Bike Company adventure-works\shu0 [email protected] 357-555-016128Jackie E. Blackwell Commuter Bicycle Store adventure-works\josé1 [email protected] 972-555-016329Bryan Hamilton Cross-Country Riding Supplies adventure-works\josé1 [email protected] 344-555-014430Todd R. Logan Cycle Merchants adventure-works\garrett1 [email protected] 783-555-011034Barbara J. German Cycles Wholesaler & Mfg. adventure-works\jae0 [email protected] 1 (11) 500 555-018137Jim Geist Two Bike Shops adventure-works\pamela0 [email protected] 724-555-016138Betty M. Haines Finer Mart adventure-works\david8 [email protected] 867-555-0114

39 Sharon J. Looney Fitness Hotel adventure-works\jillian0 [email protected] 377-555-0132

40 Darren Gehring Journey Sporting Goods adventure-works\jillian0 [email protected] 417-555-0182

41 Erin M. Hagens Distant Inn adventure-works\shu0 [email protected] 244-555-0127

42 Jeremy Los Healthy Activity Store adventure-works\linda3 [email protected] 911-555-0165

43 Elsa Leavitt Frugal Bike Shop adventure-works\shu0 [email protected] 482-555-0174

46 David O Lawrence Gear-Shift Bikes Limited adventure-works\josé1 [email protected] 653-555-0159

47 Hattie J. Haemon Greater Bike Store adventure-works\josé1 [email protected] 141-555-0172

48 Anita R. Lucerne Grand Industries adventure-works\garrett1 [email protected] 164-555-0118

52 Rebecca Laszlo Instruments and Parts Company adventure-works\jae0 [email protected] 1 (11) 500 555-0155

… … … … … … … …

17

Ändern von Daten

UPDATE tabelle

SET attribut_1 = wert_1,…, attribut_n = wert_n;

bzw.

UPDATE tabelle

SET attribut_1 = wert_1,…, attribut_n = wert_n

WHERE bedingungen;

• Mit WHERE Bedingungen werden nur die Attribute jener Entitäten (Zeilen) geändert, die die Bedingungen erfüllen, ansonsten alle

• Bedingungen können mittels AND bzw. OR verknüpft werden


Ändern von Daten (cont‘d)

• Den Verkaufspreis aller Produkte um 10% erhöhen

UPDATE ProduktSET verkaufspreis = verkaufspreis * 1.1;

• Den Verkaufspreis aller Produkte, die zwischen 100 € und 500 € kosten, um 10% erhöhen

UPDATE ProduktSET verkaufspreis = verkaufspreis * 1.1WHERE verkaufspreis > 100AND verkaufspreis < 500;


Tabelle ProduktproduktID name produktnummer farbe einkaufspreis verkaufspreis gewicht startverkauf endeverkauf FS_kategorieID

680 HL Road Frame - Black, 58 FR-R92B-58 Black 1 059,31 € 1 431,50 € 1016,04 01.06.1998 18

706 HL Road Frame - Red, 58 FR-R92R-58 Red 1 059,31 € 1 431,50 € 1016,04 01.06.1998 18

707 Sport-100 Helmet, Red HL-U509-R Red 13,09 € 34,99 € 01.07.2001 35

708 Sport-100 Helmet, Black HL-U509 Black 13,09 € 34,99 € 01.07.2001 35

709 Mountain Bike Socks, M SO-B909-M White 3,40 € 9,50 € 01.07.2001 30.06.2002 27

710 Mountain Bike Socks, L SO-B909-L White 3,40 € 9,50 € 01.07.2001 30.06.2002 27

711 Sport-100 Helmet, Blue HL-U509-B Blue 13,09 € 34,99 € 01.07.2001 35

712 AWC Logo Cap CA-1098 Multi 6,92 € 8,99 € 01.07.2001 23

713 Long-Sleeve Logo Jersey, S LJ-0192-S Multi 38,49 € 49,99 € 01.07.2001 25

714 Long-Sleeve Logo Jersey, M LJ-0192-M Multi 38,49 € 49,99 € 01.07.2001 25

715 Long-Sleeve Logo Jersey, L LJ-0192-L Multi 38,49 € 49,99 € 01.07.2001 25

716 Long-Sleeve Logo Jersey, XL LJ-0192-X Multi 38,49 € 49,99 € 01.07.2001 25

717 HL Road Frame - Red, 62 FR-R92R-62 Red 868,63 € 1 431,50 € 1043,26 01.07.2001 18





722 LL Road Frame - Black, 58 FR-R38B-58 Black 204,63 € 337,22 € 1115,83 01.07.2001 18



725 LL Road Frame - Red, 44 FR-R38R-44 Red 187,16 € 337,22 € 1052,33 01.07.2001 30.06.2003 18






731 ML Road Frame - Red, 44 FR-R72R-44 Red 352,14 € 594,83 € 1006,97 01.07.2001 30.06.2002 18





… … … … … … … … … …

20

SQL Kommandos


https://www.w3schools.in/mysql/ddl-dml-dcl/

DDL is short name of Data Definition Language, which deals with database schemas and descriptions, of how the data should reside in the database. •CREATE - to create a database and its objects like (table, index, views, store procedure, function, and triggers)•ALTER - alters the structure of the existing database•DROP - delete objects from the database

DML is short name of Data Manipulation Language which deals with data manipulation and includes most common SQL statements such SELECT, INSERT, UPDATE, DELETE, etc., and it is used to store, modify, retrieve, delete and update data in a database. •SELECT - retrieve data from a database•INSERT - insert data into a table•UPDATE - updates existing data within a table•DELETE - Delete all records from a database table

Abfrage von Daten aus einer Tabelle – SELECT, FROM

• Ids und Namen aller Kategorien ausgeben lassen

SELECT kategorieID, name

FROM Kategorie;

ODER

SELECT *

FROM Kategorie;

kategorieID name

1 Bikes

2 Components

3 Clothing

4 Accessories

5 Mountain Bikes

6 Road Bikes

7 Touring Bikes

8 Handlebars

9 Bottom Brackets

10 Brakes

… …

Ergebnis


Bedingungen - WHERE

SELECT attribut_1, …, attribut_n

FROM tabelle

WHERE bedingungen;

• Statt attribut_1, …, attribut_n kann * als Platzhalter für alle Attribute angegeben werden

• Mehrere Bedingungen können mittels AND oder ORverbunden werden


Projektion vs. Selektion

SelektionAuswahl einer Untermenge aller Entitäten (Zeilen) einer Tabelle

WHERE


ProjektionAuswahl einer Untermenge der Attribute (Spalten) einer oder mehrerer TabellenSELECT FROM

Projektion (cont‘d)

• Nur den Vornamen, Nachnamen und E-Mail Adresse aller Kunden ausgeben lassen

SELECT vorname, nachname, emailFROM Kunde;

vorname nachname email

Orlando Gee [email protected]

Keith Harris [email protected]

Donna Carreras [email protected]

Janet Gates [email protected]

Lucy Harrington [email protected]

Rosmarie Carroll [email protected]

Dominic Gash [email protected]

Kathleen Garza [email protected]

Katherine Harding [email protected]

Johnny Caprio [email protected]

… … …

Ergebnis


Auswahl von Attributen (Projektion)

Selektion (cont‘d)

• Alle Produkte ausgeben lassen, die weniger als1000 € kosten

SELECT * FROM ProduktWHERE verkaufspreis < 1000;

produktID name produktnummer farbe einkaufspreis verkaufspreis gewicht startverkauf endeverkauf FS_kategorieID

707 Sport-100 Helmet, Red HL-U509-R Red 13,09 € 34,99 € 01.07.2001 00:00 35

708 Sport-100 Helmet, Black HL-U509 Black 13,09 € 34,99 € 01.07.2001 00:00 35

709 Mountain Bike Socks, M SO-B909-M White 3,40 € 9,50 € 01.07.2001 00:00 30.06.2002 00:00 27

710 Mountain Bike Socks, L SO-B909-L White 3,40 € 9,50 € 01.07.2001 00:00 30.06.2002 00:00 27

711 Sport-100 Helmet, Blue HL-U509-B Blue 13,09 € 34,99 € 01.07.2001 00:00 35

712 AWC Logo Cap CA-1098 Multi 6,92 € 8,99 € 01.07.2001 00:00 23

… … … … … … … … … …

Ergebnis


Auswahl von Entitäten (Selektion)

Selektion (cont‘d)

• Alle Produkte ausgeben lassen, die rot sind undderen Gewicht größer oder gleich als 1000 Gramm ist.

SELECT * FROM ProduktWHERE farbe = "Red" AND Gewicht >= 1000;








… … … … … … … … … …

Ergebnis


SQL Operatoren für Berechnungen und Vergleiche

• Meist verwendete Operatoren

– Addieren (+), Subtrahieren (-), Multiplizieren (*), Dividieren (/)

– < kleiner, > großer, = gleich

• Erlös aus dem Verkauf eines Produkts für jedesProdukt ausgeben lassen

SELECT name, verkaufspreis-einkaufspreis AS ErloesFROM Produkt; name Erloes

HL Road Frame - Black, 58 372,19 €

HL Road Frame - Red, 58 372,19 €

Sport-100 Helmet, Red 21,90 €

Sport-100 Helmet, Black 21,90 €

Mountain Bike Socks, M 6,10 €

Mountain Bike Socks, L 6,10 €

Sport-100 Helmet, Blue 21,90 €

AWC Logo Cap 2,07 €

Ergebnis


https://www.w3schools.com/sql/sql_operators.asp

SQL logische Operatoren

Operator Beschreibung

AND WAHR wenn alle Bedingungen die durch AND getrennt sind wahr sind

BETWEEN WAHR wenn die Rechengröße innerhalb eines gewissen Vergleichsbereichs liegt

EXISTS WAHR wenn die Unterabfrage 1 oder mehrere Einträge liefert

IN WAHR wenn die Rechengröße gleich eine Liste von Ausdrucke ist

LIKE WAHR wenn die Rechengröße einem Muster entspricht

NOT Zeigt den Eintrag wenn die Bedingung(en) NICHT WAHR sind

OR WAHR wenn eine beliebige Bedingung von Mehreren, die getrennt sind durch OR, WAHR ist


https://www.w3schools.com/sql/sql_operators.asp

Sortierung von Entitäten – ORDER BY

• Angabe der Reihenfolge durch ASC (standardmäßig) für eine aufsteigende bzw. DESC für eine absteigende Sortierung


FROM tabelle

WHERE bedingungen

ORDER BY attribut_1, …, attribut_n;


Sortierung von Entitäten – ORDER BY (cont‘d)

• Produktnummer, Name und Verkaufspreis allerProdukte, absteigend sortiert nach dem Verkaufspreis ausgeben lassen

SELECT produktnummer, name, verkaufspreisFROM produktORDER BY verkaufspreis DESC; produktnummer name verkaufspreis

BK-R93R-62 Road-150 Red, 62 3 578,27 €

BK-R93R-44 Road-150 Red, 44 3 578,27 €

BK-R93R-48 Road-150 Red, 48 3 578,27 €

BK-R93R-52 Road-150 Red, 52 3 578,27 €

BK-R93R-56 Road-150 Red, 56 3 578,27 €

BK-M82S-38 Mountain-100 Silver, 38 3 399,99 €



Ergebnis


In Liste von Werten suchen - IN/NOT IN

• Mittels IN bzw. NOT IN kann nach einer Liste von Werten gesucht werden


FROM tabelle

WHERE attribut IN (wert_1, …, wert_n)


In Liste von Werten suchen - IN/NOT IN (cont‘d)

• Alle Produkte ausgeben lassen, die entweder rot oder schwarz sind

SELECT *FROM ProduktWHERE farbe IN ("Red", "Black");




707 Sport-100 Helmet, Red HL-U509-R Red 13,09 € 34,99 € 01.07.2001 35

708 Sport-100 Helmet, Black HL-U509 Black 13,09 € 34,99 € 01.07.2001 35


… … … … … … … … … …

Ergebnis


Abfrage nach Mustern - LIKE

• Mittels LIKE Befehl kann nach Mustern gesucht werden


FROM tabelle

WHERE attribut LIKE muster

• * (mehrere Zeichen) und ? (ein Zeichen) können als Platzhalter in einem Muster verwendet werden


Abfrage nach Mustern – LIKE (cont‘d)

• Alle Kunden ausgeben lassen, deren Vorname mit Al beginnt

SELECT *

FROM Kunde

WHERE vorname LIKE "Al*";

• Alle Produkte ausgeben lassen, bei denen der dritteBuchstabe des Names ein u ist

SELECT *FROM KundeWHERE vorname LIKE “??u*";


Selbstevaluation


3) Ein SQL Statement, welches alle Filme ausgibt, die vor dem 01.01.2005 ins Kino gekommen sind.

2) Ein SQL Statement, welches alle Filme ausgibt, welche mit „Batman“ beginnen.

1) Ein SQL Statement, welches alle Filme dem Titel aufsteigend sortiert.

SELECT

FROM

WHERE

SELECT

FROM

WHERE

SELECT

FROM

WHERE

Tabelle “Film”

Aggregatsfunktionen

• Eingebaute Aggregatsfunktionen geben ein Ergebnis zurück, berechnet mittels Werten eines Attributs

– AVG(attribut) – Durchschnittswert eines Attributs

– COUNT(attribut) – Anzahl der Werte eines Attributs

– MAX(attribut) – Höchster Wert eines Attributs

– MIN(attribut) – Kleinster Wert eines Attributs

– SUM(attribut) – Summe der Werte eines Attributs

• Durchschnittlichen Verkaufspreis aller Produkte ausgeben lassen

SELECT AVG (verkaufspreis) AS DurchschnittspreisFROM Produkt;


Durchschnittspreis

744,60 €

Ergebnis

Abfrage von Daten aus mehreren Tabellen - JOIN

• Daten aus zwei oder mehreren Tabellen werden miteinander verknüpft (JOIN)


FROM tabelle_1, tabelle_2

WHERE primärschlüssel = fremdschlüssel;

oder


FROM tabelle_1 INNER JOIN tabelle_2 ONprimärschlüssel = fremdschlüssel;


Abfrage von Daten aus mehreren Tabellen – JOIN (cont‘d)

• Name und Fremdschlüssel aller Produkte, und die Namen und Primärschlüssel, der dazugehörigen Kategorie ausgeben lassen

SELECT Produkt.name, Produkt.FS_kategorieID, Kategorie.name, Kategorie.kategorieIDFROM Produkt, KategorieWHERE Produkt.FS_kategorieID = Kategorie.kategorieID

oder

SELECT Produkt.name, Produkt.FS_kategorieID, Kategorie.name, Kategorie.kategorieIDFROM Produkt INNER JOIN Kategorie ON Produkt.FS_kategorieID = Kategorie.kategorieID


Tabellen Produkt und Kategorie im Kreuzprodukt


Abfrage von Daten aus mehreren Tabellen (cont‘d)

Produkt.name FS_kategorieID Kategorie.name kategorieIDMountain-100 Silver, 38 5Mountain Bikes 5Mountain-100 Silver, 42 5Mountain Bikes 5Mountain-100 Silver, 44 5Mountain Bikes 5Mountain-100 Silver, 48 5Mountain Bikes 5Mountain-100 Black, 38 5Mountain Bikes 5Mountain-100 Black, 42 5Mountain Bikes 5Mountain-100 Black, 44 5Mountain Bikes 5Mountain-100 Black, 48 5Mountain Bikes 5Mountain-200 Silver, 38 5Mountain Bikes 5Mountain-200 Silver, 42 5Mountain Bikes 5Mountain-200 Silver, 46 5Mountain Bikes 5Mountain-200 Black, 38 5Mountain Bikes 5Mountain-200 Black, 42 5Mountain Bikes 5Mountain-200 Black, 46 5Mountain Bikes 5Mountain-300 Black, 38 5Mountain Bikes 5Mountain-300 Black, 40 5Mountain Bikes 5Mountain-300 Black, 44 5Mountain Bikes 5Mountain-300 Black, 48 5Mountain Bikes 5Mountain-400-W Silver, 38 5Mountain Bikes 5Mountain-400-W Silver, 40 5Mountain Bikes 5Mountain-400-W Silver, 42 5Mountain Bikes 5Mountain-400-W Silver, 46 5Mountain Bikes 5Mountain-500 Silver, 40 5Mountain Bikes 5… …… …

Ergebnis


Gruppierung von Daten – GROUP BY


FROM tabellen

WHERE bedingungen

GROUP BY attribut_1, …, attribut_n;

• Mittels GROUP BY können Entitäten nach den angegebenen Attributen gruppiert werden (Subgruppen)

• Aggregatfunktionen werden an den Subgruppen angewandt


Gruppierung von Daten – GROUP BY (cont‘d)

• Anzahl der Produkte pro Kategorie ausgeben lassen

SELECT name, COUNT(*) AS ProdukteFROM Produkt INNER JOIN Kategorie ON Produkt.FS_kategorieID = Kategorie.kategorieIDGROUP BY name;

name Produkte

Bib-Shorts 3

Bike Racks 1

Bike Stands 1

Bottles and Cages 3

Bottom Brackets 3

Brakes 2

Caps 1

Chains 1

Cleaners 1

… …

Ergebnis


Bedingung auf Subgruppen - HAVING


FROM tabellen

WHERE bedingungen

GROUP BY attribut_1, …, attribut_n HAVING bedingungen;

• Mittels HAVING werden nur Subgruppen ausgegeben, die die angegebenen Bedingungen erfüllen


Bedingung auf Subgruppen – HAVING (cont‘d)

• Nur jene Kategorie ausgeben lassen, denen mehrals 10 Produkte zugewiesen sind

SELECT name, COUNT(*) AS ProdukteFROM Produkt INNER JOIN Kategorie ON Produkt.FS_kategorieID = Kategorie.kategorieIDGROUP BY nameHAVING COUNT(*) > 10;

name Produkte

Mountain Bikes 32

Mountain Frames 28

Road Bikes 43

Road Frames 33

Tires and Tubes 11

Touring Bikes 22

Touring Frames 18

Wheels 14

Ergebnis


Unterabfragen

• SQL erlaubt es, Unterabfragen in einer Abfrageanstelle von Werten zu definieren

• Unterabfragen muss in runden Klammern geschrieben werden

• Wird häufig in Verbindung mit IN/NOT IN verwendet


Unterabfragen (cont‘d)

• Alle Produkte, die noch nie verkauft wurden,ausgeben lassen

SELECT *FROM ProduktWHERE produktID NOT IN (SELECT FS_produktIDFROM Bestellposition);




709 Mountain Bike Socks, M SO-B909-M White 3,40 € 9,50 € 01.07.2001 30.06.2002 27

710 Mountain Bike Socks, L SO-B909-L White 3,40 € 9,50 € 01.07.2001 30.06.2002 27

713 Long-Sleeve Logo Jersey, S LJ-0192-S Multi 38,49 € 49,99 € 01.07.2001 25





… … … … … … … … …

Ergebnis


Unterabfragen (cont‘d)

• Alle Produkte, die teuer als der durchschnittliche Verkaufspreis sind, ausgeben lassen

SELECT *FROM ProduktWHERE verkaufspreis > (SELECT AVG(verkaufspreis) FROM Produkt);









739 HL Mountain Frame - Silver, 42 FR-M94S-42 Silver 747,20 € 1 364,50 € 1233,76 01.07.2001 16

740 HL Mountain Frame - Silver, 44 FR-M94S-44 Silver 706,81 € 1 364,50 € 1251,91 01.07.2001 30.06.2002 16

… … … … … … … … … …

Ergebnis


Selbstevaluation


Selbstevaluation


1) Ein SQL Statement, welches einen JOIN über alle oben angegebenen Tabellen erzeugt

film film_hauptdarsteller hauptdarsteller

SELECT *

FROM film as f, film_hauptdarsteller as fh, hauptdarsteller as h

WHERE

AND

Selbstevaluation


3) Ein SQL Statement, welches alle Filme mit „Sylvester Stallone“ ausgibt.

SELECT

FROM

WHERE

AND

Selbstevaluation


3) Ein SQL Statement, welches die Anzahl der Auszeichnungen pro Film ausgibt.

SELECT

FROM

WHERE

AND

Date post:	13-Oct-2020
Category:	Documents
Upload:	others
View:	1 times
Download:	0 times

New Einführung in die Wirtschaftsinformatik - SQL-DML-QL/WI... · 2019. 4. 29. ·...

Documents