SQL-Datenbanken

Lade eine .db-Datei einmal hoch, und die Schülerinnen und Schüler fragen sie den Rest des Semesters ab. SQL läuft im Browser via SQLite-on-WebAssembly — keine gemeinsame Datenbank, die kaputtgehen kann, keine Rate-Limits, kein «der Server ist schon wieder down».

Jeder Schüler erhält eine eigene private Kopie der Datenbank, frisch bei jedem Laden der Seite. Sie können DROP TABLE ausführen, wenn sie wollen — nichts, was sie tun, betrifft dich oder jemand anderen.

Einen SQL-Editor einbetten

Lege eine .db- oder .sqlite-Datei in den Dateien deines Skripts ab (Drag-and-drop in den Editor funktioniert) und referenziere sie:

```sql editor db="netflix.db"
SELECT title, release_date
FROM tv_show
ORDER BY release_date DESC
LIMIT 10;
```

Die Schüler sehen die Abfrage links in einem Editor und rechts die Ergebnistabelle, sobald sie auf Run klicken.

Der Editor unterstützt:

• Mehrere Ergebnismengen (mehrere SELECTs ausführen, mehrere Tabellen erhalten)
• Anzeige der Ausführungszeit
• Warnung «No rows returned» bei leeren Abfragen
• Mehrzeilige Abfragen mit Kommentaren

HTML-Syntax

<code-editor data-language="sql" data-db="netflix.db" data-code="SELECT * FROM tv_show LIMIT 10"></code-editor>

Standard-LIMIT

Eduskript hängt automatisch LIMIT 100 an jedes SELECT an, das noch keine LIMIT-Klausel hat — so explodiert die Ergebnistabelle nicht, wenn ein Schüler SELECT * FROM huge_table ausführt. Schüler können das mit einem eigenen LIMIT überschreiben.

Eine Datenbank einrichten

Erstelle die .db-Datei mit einem beliebigen SQLite-Werkzeug:

• DB Browser for SQLite (plattformübergreifende GUI)
• sqlite3-CLI (Kommandozeile, bei macOS / den meisten Linux-Distributionen dabei)
• Pythons sqlite3-Modul (programmatische Erstellung)
• Export aus PostgreSQL/MySQL nach SQLite (verschiedene Werkzeuge)

Ein minimales Python-Beispiel:

import sqlite3

conn = sqlite3.connect('movies.db')
cursor = conn.cursor()

cursor.execute('''
    CREATE TABLE films (
        id INTEGER PRIMARY KEY,
        title TEXT NOT NULL,
        year INTEGER,
        director TEXT
    )
''')

cursor.executemany('INSERT INTO films (title, year, director) VALUES (?, ?, ?)', [
    ('The Matrix', 1999, 'Wachowskis'),
    ('Inception', 2010, 'Nolan'),
    ('Parasite', 2019, 'Bong'),
])

conn.commit()
conn.close()

Ziehe die erzeugte movies.db in den Editor deines Skripts → Eduskript zeigt ein Drop-Menü mit «Insert SQL editor» und dem passenden, vorausgefüllten Markdown.

Schema-Diagramme (automatisch)

Wenn du zu einer Datenbankdatei netflix.db zusätzlich netflix-schema.excalidraw.light.svg und netflix-schema.excalidraw.dark.svg hochlädst, zeigt Eduskript das Schema-Diagramm neben dem Abfrage-Editor — und wählt automatisch die passende Theme-Variante.

Namenskonvention: {database-name}-schema.excalidraw.{light|dark}.svg. Kein zusätzliches Markup nötig; der Editor findet das Schema über den Dateinamen.

Mit einem expliziten Attribut kannst du ein anderes Bild angeben:

```sql editor db="netflix.db" schema-image="custom-schema"
SELECT * FROM tv_show LIMIT 5;
```

Das Schema-Bild erscheint als Seitenpanel, das die Schüler einklappen können, wenn sie mehr Platz für den Editor wollen.

SQL-Editoren mit mehreren Dateien

Gleiches Muster wie bei Python (siehe vorheriges Kapitel) — aufeinanderfolgende Blöcke mit derselben id werden zu Tabs:

```sql editor id="netflix-demo" db="netflix.db" file="example.sql"
-- Beispiel: die zuletzt veröffentlichten TV-Serien
SELECT title, release_date
FROM tv_show
ORDER BY release_date DESC
LIMIT 10;
```

```sql editor id="netflix-demo" db="netflix.db" file="your-turn.sql"
-- Jetzt du: liste die 10 längsten Filme auf
```

Beide Tabs verwenden dieselbe Datenbank; Abfragen im einen beeinflussen den anderen nicht.

Wo das SQL läuft

SQL.js (SQLite, kompiliert zu WASM) wird beim ersten Gebrauch von einem CDN geladen. Der Schüler lädt deine .db-Datei einmal herunter (ein Jahr lang gecacht) und führt Abfragen lokal darauf aus. Seine Sitzung liegt im Arbeitsspeicher — ein Neuladen der Seite setzt die Datenbank zurück. Perfekt für «Experimentiere frei»-Aufgaben.

Das bedeutet:

• Kein Server, keine Rate-Limits, kein «die Datenbank ist down»
• Schüler können frei DROP TABLE, INSERT, UPDATE ausführen — alle Änderungen bleiben lokal in ihrer Sitzung
• Neuladen = frische Datenbank
• Die Performance ist gut für Datenbanken bis zu einigen hundert MB; bei riesigen Daten lieber eine Stichprobe verwenden

Abfragemuster, die gut funktionieren

Gute Muster für SQL-Aufgaben

• Filtern und aggregieren: «Finde alle Angestellten im Verkauf mit Lohn > 50'000 $, gruppiert nach Abteilung»
• Joins über mehrere Tabellen: «Liste alle Bestellungen von Kunden in Deutschland auf, mit Kundenname und Produkt»
• Rangfolge: «Finde pro Genre die 5 Filme mit dem höchsten IMDB-Rating»
• Unterabfragen und CTEs: «Kunden, die eine Bestellung über dem Durchschnitt aufgegeben haben»
• Window-Funktionen: «Kumulierte Verkäufe pro Monat»

Vermeide

• Datenbank-Mutationen über mehrere Aufgaben hinweg (jede Abfrage startet mit einer frischen Kopie der Datenbank)
• Zeitabhängige Abfragen, die darauf angewiesen sind, dass date('now') einen bestimmten Wert liefert (verwende stattdessen feste Daten)

SQL-Spickzettel