Schlagwort-Archive: sql

SQuirreL – ein sql-Client

Publiziert am 20. November 2013 von matthias

Ich nutze seit Jahren SQuirreL als SQL-Client. Nicht besonders hübsch, aber funktioniert im Alltag tadellos. Und weil Funktion bei Software wichtiger ist als Style, arbeite ich gerne damit. Die Spitze des Non-Styles bilden die innig geliebten Unix-Komandos, denn man kann … Weiterlesen →

Veröffentlicht unter Allgemein | Verschlagwortet mit asymmetrie, sql, squirrel, Symmetrie | Kommentare deaktiviert

Views als Schnittstelle

Publiziert am 20. November 2013 von matthias

Wenn man mittel Java oder PHP oder einer Programmiersprache deiner Wahl auf ein RDBMS zugreift, dann kann man Code erstellen, der sich ohne Umwege der Tabellen bedient. Man kennt den Namen der Tabellen und ihre Spaltenbezeichnungen. Dann ist fix eine … Weiterlesen →

Veröffentlicht unter Allgemein | Verschlagwortet mit CleanCode, Schnittstelle, sql, view | Kommentare deaktiviert

Weihnachtsgeschäft

Publiziert am 19. November 2013 von matthias

Es ist November, das Weihnachtsgeschäft soll’s ‘rausreissen. Also schicken wir denjenigen Kunden eine Ansichtskarte an die letzte Lieferadresse, die seit zwei Jahren nichts gekauft haben, aber davor wenigstens dreimal etwas geordert haben. Jetzt Du, Programmierer … Hier ist ein Ausschnitt … Weiterlesen →

Veröffentlicht unter Allgemein | Verschlagwortet mit crm, Kundenbetreuung, mysql, sql, Wirtschaftsinformatik | Kommentare deaktiviert

Vor einigen Jahren habe ich für den Mssql-Server herausgefunden, dass Abfragen mit “join” mehr als 100 mal schneller sein können als die gleich Abfrage in Form eines Subselects. Stimmt das auch heute für MySQL? Folgendes zeigt, dass es nicht zwingend … Weiterlesen →

Publiziert am 19. November 2013 von matthias | Kommentare deaktiviert

use test

/*
	Warenkorb-Analyse
	=================
	
	Bei youtube fand ich ein Science-Slam-Video zu Wirtschafts-Informatik,
	bei dem das Stichwort "Warenkorbanalyse" fiel. Interessante Sache 
	das, also habe ich das Beispiel aus dem Video in MySQL nachgebaut.
*/

create table einkauf
(
	e_id int,
	prod_id int
);

create table produkt
(
	prod_id int,
	name varchar (255)
);

insert into produkt ( prod_id, name ) values ( 1 , 'Cola');
insert into produkt ( prod_id, name ) values ( 2 , 'Milch');
insert into produkt ( prod_id, name ) values ( 3 , 'Bier');
insert into produkt ( prod_id, name ) values ( 4 , 'Pizza');
insert into produkt ( prod_id, name ) values ( 5 , 'Pampers');

insert into einkauf ( e_id, prod_id ) values ( 1, 1 );
insert into einkauf ( e_id, prod_id ) values ( 1, 2 );
insert into einkauf ( e_id, prod_id ) values ( 1, 4 );
insert into einkauf ( e_id, prod_id ) values ( 2, 2 );
insert into einkauf ( e_id, prod_id ) values ( 2, 5 );
insert into einkauf ( e_id, prod_id ) values ( 3, 1 );
insert into einkauf ( e_id, prod_id ) values ( 3, 4 );
insert into einkauf ( e_id, prod_id ) values ( 4, 2 );
insert into einkauf ( e_id, prod_id ) values ( 4, 3 );
insert into einkauf ( e_id, prod_id ) values ( 5, 1 );
insert into einkauf ( e_id, prod_id ) values ( 5, 3 );

SELECT * FROM produkt;
SELECT * FROM einkauf;

/*
	Alle Produkt-Paare aus den Einkäufen herausfinden, d.h.
	für jeden Einkauf jedes Produkt mit allen anderen
	Produkten dieses Einkaufs kombinieren.
	NB: Wenn ein Produkt innerhalb eines Einkaufs mehrfach
	vorkommt, dann muss das vorher gruppiert werden. Ich gehe
	hier oBdA davon aus, dass jedes Produkt nur einmal in jedem
	Einkauf vorkommt.
*/

SELECT ek1.e_id, ek1.prod_id, ek2.prod_id
FROM einkauf ek1, einkauf ek2
where ek1.e_id = ek2.e_id;

/*
	An dieser Stelle spielt die Einkaufsnummer keine Rolle.
	Hauptsache, ich kenne alle Paarungen.
	Das sind die Paarungen, die vorkommen.
	Was ist mit denen, die nicht vorkommen?
*/

SELECT ek1.prod_id, ek2.prod_id
FROM einkauf ek1, einkauf ek2
where ek1.e_id = ek2.e_id;

/*
	So gruppieren, dass ich sehe, welches Paar wie oft
	vorkommt.
	Die Zeilen, bei denen ek1.prod_id = ek2.prod_id ist,
	geben an, wie oft das Produkt mit der ek1.prod_id
	insgesamt gekauft wurde. 
*/

SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl
FROM einkauf ekl, einkauf ekr
where ekl.e_id = ekr.e_id
group by prodA, prodB;

/*
	Welche Kombinationen fehlen für das jeweilige Produkt?
	Nun, vergleiche die obige Tabelle mit dem kartesischen Produkt
	der Waren.
*/

SELECT * 
FROM (
	SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl
	FROM einkauf ekl, einkauf ekr
	where ekl.e_id = ekr.e_id
	group by prodA, prodB
) tupels 
right outer join 
(
	select prl.prod_id as prodR, prr.prod_id as prodL
	from produkt prl, produkt prr
) alleWarenTupel
on tupels.prodA = alleWarenTupel.prodR
and tupels.prodB = alleWarenTupel.prodL;

/*
	Von obiger Tabelle zeige ich prodA und prodB nicht an,
	denn prodR und prodL sind bedeutungsgleich. Wichtig ist,
	dass ich für die jeweilige Paarung die Anzahl kenne.
*/

SELECT alleWarenTupel.prodL, alleWarenTupel.prodR, tupels.anzahl
FROM (
	SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl
	FROM einkauf ekl, einkauf ekr
	where ekl.e_id = ekr.e_id
	group by prodA, prodB
) tupels 
right outer join 
(
	select prl.prod_id as prodR, prr.prod_id as prodL
	from produkt prl, produkt prr
) alleWarenTupel
on tupels.prodA = alleWarenTupel.prodR
and tupels.prodB = alleWarenTupel.prodL;

/*
	Wie bekomme ich eine hübsche Tabelle?
	Ich hätte gerne die Spalte "anzahl" in Fünfer-Pakete aufgeteilt, so
	dass die ersten fünf Werte hintereinander stehen, in der zweiten
	Zeile die zweiten fünf Werte usw.
	Für MSSQL scheint es unkompliziert, siehe
	http://www.brighthub.com/internet/web-development/articles/91895.aspx
	Für MySQL ist es umständlich(er)
	http://www.onlamp.com/pub/a/onlamp/2003/12/04/crosstabs.html

	Schließlich ein Dank an
	http://en.wikibooks.org/wiki/MySQL/Pivot_table

	Wermutstropfen: Die Spaltennamen sind "hardcodiert". Bei großem
	Produktumfang wird das eine Qual :/, also doch besser in eine 
	Tabellenkalkulation bringen.
*/

select prodL, ProdName,
sum(anzahl*(1-abs(sign(prodR-1)))) as 'Cola',
sum(anzahl*(1-abs(sign(prodR-2)))) as 'Milch',
sum(anzahl*(1-abs(sign(prodR-3)))) as 'Bier',
sum(anzahl*(1-abs(sign(prodR-4)))) as 'Pizza',
sum(anzahl*(1-abs(sign(prodR-5)))) as 'Pampers'
from (
	SELECT alleWarenTupel.prodL, alleWarenTupel.ProdName, alleWarenTupel.prodR, tupels.anzahl
		FROM (
		SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl
		FROM einkauf ekl, einkauf ekr
		where ekl.e_id = ekr.e_id
		group by prodA, prodB
	) tupels 
	right outer join 
	(
		select prl.prod_id as prodR, prr.prod_id as prodL, prr.name as ProdName
		from produkt prl, produkt prr
	) alleWarenTupel
	on tupels.prodA = alleWarenTupel.prodR
	and tupels.prodB = alleWarenTupel.prodL
) pivot
group by prodL, ProdName;

select ProdName, Cola, Milch, Bier, Pizza, Pampers
from 
(
	select prodL, ProdName,
	sum(anzahl*(1-abs(sign(prodR-1)))) as 'Cola',
	sum(anzahl*(1-abs(sign(prodR-2)))) as 'Milch',
	sum(anzahl*(1-abs(sign(prodR-3)))) as 'Bier',
	sum(anzahl*(1-abs(sign(prodR-4)))) as 'Pizza',
	sum(anzahl*(1-abs(sign(prodR-5)))) as 'Pampers'
	from (
		SELECT alleWarenTupel.prodL, alleWarenTupel.ProdName, alleWarenTupel.prodR, tupels.anzahl
			FROM (
			SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl
			FROM einkauf ekl, einkauf ekr
			where ekl.e_id = ekr.e_id
			group by prodA, prodB
		) tupels 
		right outer join 
		(
			select prl.prod_id as prodR, prr.prod_id as prodL, prr.name as ProdName
			from produkt prl, produkt prr
		) alleWarenTupel
		on tupels.prodA = alleWarenTupel.prodR
		and tupels.prodB = alleWarenTupel.prodL
	) pivot
	group by prodL, ProdName
) nice;

-- Aufräumen;
--
drop table einkauf;
drop table produkt;

-- Ende.

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

use test

Warenkorb-Analyse

=================

Bei youtube fand ich ein Science-Slam-Video zu Wirtschafts-Informatik,

bei dem das Stichwort "Warenkorbanalyse" fiel. Interessante Sache

das, also habe ich das Beispiel aus dem Video in MySQL nachgebaut.

create table einkauf

(

e_id int,

prod_id int

);

create table produkt

(

prod_id int,

name varchar (255)

);

insert into produkt ( prod_id, name ) values ( 1 , 'Cola');

insert into produkt ( prod_id, name ) values ( 2 , 'Milch');

insert into produkt ( prod_id, name ) values ( 3 , 'Bier');

insert into produkt ( prod_id, name ) values ( 4 , 'Pizza');

insert into produkt ( prod_id, name ) values ( 5 , 'Pampers');

insert into einkauf ( e_id, prod_id ) values ( 1, 1 );

insert into einkauf ( e_id, prod_id ) values ( 1, 2 );

insert into einkauf ( e_id, prod_id ) values ( 1, 4 );

insert into einkauf ( e_id, prod_id ) values ( 2, 2 );

insert into einkauf ( e_id, prod_id ) values ( 2, 5 );

insert into einkauf ( e_id, prod_id ) values ( 3, 1 );

insert into einkauf ( e_id, prod_id ) values ( 3, 4 );

insert into einkauf ( e_id, prod_id ) values ( 4, 2 );

insert into einkauf ( e_id, prod_id ) values ( 4, 3 );

insert into einkauf ( e_id, prod_id ) values ( 5, 1 );

insert into einkauf ( e_id, prod_id ) values ( 5, 3 );

SELECT * FROM produkt;

SELECT * FROM einkauf;

Alle Produkt-Paare aus den Einkäufen herausfinden, d.h.

für jeden Einkauf jedes Produkt mit allen anderen

Produkten dieses Einkaufs kombinieren.

NB: Wenn ein Produkt innerhalb eines Einkaufs mehrfach

vorkommt, dann muss das vorher gruppiert werden. Ich gehe

hier oBdA davon aus, dass jedes Produkt nur einmal in jedem

Einkauf vorkommt.

SELECT ek1.e_id, ek1.prod_id, ek2.prod_id

FROM einkauf ek1, einkauf ek2

where ek1.e_id = ek2.e_id;

An dieser Stelle spielt die Einkaufsnummer keine Rolle.

Hauptsache, ich kenne alle Paarungen.

Das sind die Paarungen, die vorkommen.

Was ist mit denen, die nicht vorkommen?

SELECT ek1.prod_id, ek2.prod_id

FROM einkauf ek1, einkauf ek2

where ek1.e_id = ek2.e_id;

So gruppieren, dass ich sehe, welches Paar wie oft

vorkommt.

Die Zeilen, bei denen ek1.prod_id = ek2.prod_id ist,

geben an, wie oft das Produkt mit der ek1.prod_id

insgesamt gekauft wurde.

SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl

FROM einkauf ekl, einkauf ekr

where ekl.e_id = ekr.e_id

group by prodA, prodB;

Welche Kombinationen fehlen für das jeweilige Produkt?

Nun, vergleiche die obige Tabelle mit dem kartesischen Produkt

der Waren.

SELECT *

FROM (

SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl

FROM einkauf ekl, einkauf ekr

where ekl.e_id = ekr.e_id

group by prodA, prodB

) tupels

right outer join

(

select prl.prod_id as prodR, prr.prod_id as prodL

from produkt prl, produkt prr

) alleWarenTupel

on tupels.prodA = alleWarenTupel.prodR

and tupels.prodB = alleWarenTupel.prodL;

Von obiger Tabelle zeige ich prodA und prodB nicht an,

denn prodR und prodL sind bedeutungsgleich. Wichtig ist,

dass ich für die jeweilige Paarung die Anzahl kenne.

SELECT alleWarenTupel.prodL, alleWarenTupel.prodR, tupels.anzahl

FROM (

SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl

FROM einkauf ekl, einkauf ekr

where ekl.e_id = ekr.e_id

group by prodA, prodB

) tupels

right outer join

(

select prl.prod_id as prodR, prr.prod_id as prodL

from produkt prl, produkt prr

) alleWarenTupel

on tupels.prodA = alleWarenTupel.prodR

and tupels.prodB = alleWarenTupel.prodL;

Wie bekomme ich eine hübsche Tabelle?

Ich hätte gerne die Spalte "anzahl" in Fünfer-Pakete aufgeteilt, so

dass die ersten fünf Werte hintereinander stehen, in der zweiten

Zeile die zweiten fünf Werte usw.

Für MSSQL scheint es unkompliziert, siehe

http://www.brighthub.com/internet/web-development/articles/91895.aspx

Für MySQL ist es umständlich(er)

http://www.onlamp.com/pub/a/onlamp/2003/12/04/crosstabs.html

Schließlich ein Dank an

http://en.wikibooks.org/wiki/MySQL/Pivot_table

Wermutstropfen: Die Spaltennamen sind "hardcodiert". Bei großem

Produktumfang wird das eine Qual :/, also doch besser in eine

Tabellenkalkulation bringen.

select prodL, ProdName,

sum(anzahl*(1-abs(sign(prodR-1)))) as 'Cola',

sum(anzahl*(1-abs(sign(prodR-2)))) as 'Milch',

sum(anzahl*(1-abs(sign(prodR-3)))) as 'Bier',

sum(anzahl*(1-abs(sign(prodR-4)))) as 'Pizza',

sum(anzahl*(1-abs(sign(prodR-5)))) as 'Pampers'

from (

SELECT alleWarenTupel.prodL, alleWarenTupel.ProdName, alleWarenTupel.prodR, tupels.anzahl

FROM (

SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl

FROM einkauf ekl, einkauf ekr

where ekl.e_id = ekr.e_id

group by prodA, prodB

) tupels

right outer join

(

select prl.prod_id as prodR, prr.prod_id as prodL, prr.name as ProdName

from produkt prl, produkt prr

) alleWarenTupel

on tupels.prodA = alleWarenTupel.prodR

and tupels.prodB = alleWarenTupel.prodL

) pivot

group by prodL, ProdName;

select ProdName, Cola, Milch, Bier, Pizza, Pampers

from

(

select prodL, ProdName,

sum(anzahl*(1-abs(sign(prodR-1)))) as 'Cola',

sum(anzahl*(1-abs(sign(prodR-2)))) as 'Milch',

sum(anzahl*(1-abs(sign(prodR-3)))) as 'Bier',

sum(anzahl*(1-abs(sign(prodR-4)))) as 'Pizza',

sum(anzahl*(1-abs(sign(prodR-5)))) as 'Pampers'

from (

SELECT alleWarenTupel.prodL, alleWarenTupel.ProdName, alleWarenTupel.prodR, tupels.anzahl

FROM (

SELECT ekl.prod_id as prodA, ekr.prod_id as prodB, count(ekl.prod_id) as anzahl

FROM einkauf ekl, einkauf ekr

where ekl.e_id = ekr.e_id

group by prodA, prodB

) tupels

right outer join

(

select prl.prod_id as prodR, prr.prod_id as prodL, prr.name as ProdName

from produkt prl, produkt prr

) alleWarenTupel

on tupels.prodA = alleWarenTupel.prodR

and tupels.prodB = alleWarenTupel.prodL

) pivot

group by prodL, ProdName

) nice;

-- Aufräumen;

drop table einkauf;

drop table produkt;

-- Ende.

Publiziert am 13. Oktober 2013 von matthias | Kommentare deaktiviert

/*
	Nummeriere die Datensätze
	*************************

	Gegeben sei eine Tabelle aysx mit einem Primary Key. 
        Die Werte für den PK müssen nicht fortlaufend sein. 

        Aufgabe: Nummeriere die Datensätze 
	vom kleinsten bis zum größsten PK-Wert.

	Das folgende MySQL-Script zeigt exemplarisch, wie 
        das machbar ist. Bedenke, dass die Bestimmung des 
        Rangs (gidf) nicht auf eine "echte" Tabelle beschränkt 
        ist, sondern auch mit einem View und dem Ergebnis
	einer Abfrage durchgeführt werden kann.

	Beispieltext: aysx Matthias Kopp 2013
*/

create table aysx ( 
	id int PRIMARY KEY, 
	remark varchar ( 64 ));

/*
	Tabelle mit Beispieldaten füllen.
*/

insert into aysx ( id, remark ) values ( 1,	'Eins' );
insert into aysx ( id, remark ) values ( 512,	'FiveOneTwo' );
insert into aysx ( id, remark ) values ( 21,	'Antv' );
insert into aysx ( id, remark ) values ( 42,	'Antwort' );
insert into aysx ( id, remark ) values ( 23,	'whatever' );

/*
	Wesentlich ist der self-join. Der PK-Constraint garantiert,
	dass jede aysx.id nur einmal vorkommt. Eine id ist immer
	gleich ihrer selbst und alle anderen sind entweder größer
	oder kleiner. Die where-Bedingung sucht diejenigen Datensätze
	zusammen, die kleiner-gleich einer id sind - und das für
	alle ids. Schließlich wird für jede id eine Gruppe gebildet
	und die Anzahl der Elemente in der Gruppe ist eben der Rang.
*/

select count(*) as rang, t2.id
from aysx t1, aysx t2
where t1.id &lt;= t2.id
group by t2.id;

/*
	Ohne Gruppierung und Zählen - die "expandierte" Form.
	Hier kann man nachvollziehen, welche Elemente vorhanden sind.
	Zähle und gruppiere selbst!
*/

select t1.id, t2.id
from aysx t1, aysx t2
where t1.id &lt;= t2.id
order by t2.id

/* Auräumen. */
drop table aysx;

Nummeriere die Datensätze

*************************

Gegeben sei eine Tabelle aysx mit einem Primary Key.

Die Werte für den PK müssen nicht fortlaufend sein.

Aufgabe: Nummeriere die Datensätze

vom kleinsten bis zum größsten PK-Wert.

Das folgende MySQL-Script zeigt exemplarisch, wie

das machbar ist. Bedenke, dass die Bestimmung des

Rangs (gidf) nicht auf eine "echte" Tabelle beschränkt

ist, sondern auch mit einem View und dem Ergebnis

einer Abfrage durchgeführt werden kann.

Beispieltext: aysx Matthias Kopp 2013

create table aysx (

id int PRIMARY KEY,

remark varchar ( 64 ));

Tabelle mit Beispieldaten füllen.

insert into aysx ( id, remark ) values ( 1, 'Eins' );

insert into aysx ( id, remark ) values ( 512, 'FiveOneTwo' );

insert into aysx ( id, remark ) values ( 21, 'Antv' );

insert into aysx ( id, remark ) values ( 42, 'Antwort' );

insert into aysx ( id, remark ) values ( 23, 'whatever' );

Wesentlich ist der self-join. Der PK-Constraint garantiert,

dass jede aysx.id nur einmal vorkommt. Eine id ist immer

gleich ihrer selbst und alle anderen sind entweder größer

oder kleiner. Die where-Bedingung sucht diejenigen Datensätze

zusammen, die kleiner-gleich einer id sind - und das für

alle ids. Schließlich wird für jede id eine Gruppe gebildet

und die Anzahl der Elemente in der Gruppe ist eben der Rang.

select count(*) as rang, t2.id

from aysx t1, aysx t2

where t1.id <= t2.id

group by t2.id;

Ohne Gruppierung und Zählen - die "expandierte" Form.

Hier kann man nachvollziehen, welche Elemente vorhanden sind.

Zähle und gruppiere selbst!

select t1.id, t2.id

from aysx t1, aysx t2

where t1.id <= t2.id

order by t2.id

/* Auräumen. */

drop table aysx;

Natürlich ist das obige Beispiel so in der Praxis nicht vorgekommen. Das Beispiel zeigt eine nützliche Struktur. Im Laufe der Zeit kam immer wieder die Anforderung der Durchnummerierung. Man braucht dazu keinen PK-Constraint, aber wenigstens irgendein Tupel, das unique … Weiterlesen →

Publiziert am 6. Oktober 2013 von matthias | Kommentare deaktiviert

Daten konsistent halten

Publiziert am 6. Oktober 2013 von matthias

MySQL und andere RDBMS bieten die Möglichkeit, Foreign-Key-Constraints auszuschalten. Ich halte das für eine schlechte Idee. Ich kenne aus der Praxis ein Szenario, bei dem FK-Constraints ausgeschaltet wurden, um den Import von Daten zu ermöglichen. Die Daten lagen in unterschiedlichen … Weiterlesen →

Veröffentlicht unter Allgemein | Verschlagwortet mit foreign key, Konsistenz, mysql, sql | Kommentare deaktiviert

Schlagwort-Archive: sql

SQuirreL – ein sql-Client

Views als Schnittstelle

Weihnachtsgeschäft

Daten konsistent halten

Neueste Beiträge

Archive

Kategorien

Meta