Seminar SAP HANA – SQL und SQLScript

SQL bildet die Grundlage für Datenzugriff, Modellierung, Administration und Entwicklung in SAP HANA. SQLScript ergänzt mengenorientierte Abfragen um kapselbare Datenbanklogik. Die Schulung führt von sicheren Abfragen über analytische Funktionen bis zu performanten Prozeduren und Tabellenfunktionen.

Inhaltsverzeichnis

• Zielsetzung
• Zielgruppe
• Voraussetzungen
• Seminarinhalte
• Praxisübungen
• Methodik

Zielsetzung

• SAP-HANA-SQL sicher für Auswahl, Änderung und Datenbankobjekte einsetzen
• Komplexe Abfragen mit Joins, Unterabfragen, CTEs, Window Functions und Hierarchien entwickeln
• SQLScript-Prozeduren, Funktionen und Fehlerbehandlung strukturiert implementieren
• Ausführungspläne, Parallelisierung und datenbanknahe Best Practices anwenden

Zielgruppe

Datenbankentwickler, SAP-HANA-Entwickler, Data Engineers, Data Modeler, Analytics Engineers, ABAP-Entwickler und technische Berater.

Voraussetzungen

Grundverständnis relationaler Datenbanken. Programmiererfahrung ist hilfreich, aber für den Einstieg nicht zwingend erforderlich.

Seminarinhalte

1. Schritt 1: Arbeitsumgebung und SQL-Grundlagen einrichten

   SQL-Konsole, Session-Kontext, Schema, Benutzer und Transaktion werden geprüft. SELECT, Aliase, Datentypen, Nullwerte und Ergebnisbegrenzung werden sicher angewendet.

2. Schritt 2: Daten filtern, sortieren und berechnen

   Vergleichsoperatoren, logische Bedingungen, String-, Datums-, Konvertierungs- und mathematische Funktionen werden mit kontrollierten Testdaten eingesetzt.

3. Schritt 3: Joins und Mengenoperationen beherrschen

   Inner, Outer und Cross Join sowie UNION, INTERSECT und EXCEPT werden anhand fachlicher Beziehungen ausgewählt. Mehrdeutigkeiten und ungewollte Vervielfachungen werden erkannt.

4. Schritt 4: Aggregation und Gruppierung entwickeln

   SUM, COUNT, AVG, MIN, MAX, GROUP BY, HAVING und Gruppierungssets werden für belastbare Kennzahlen genutzt. Granularität und Nullbehandlung werden geprüft.

5. Schritt 5: Unterabfragen und CTEs strukturieren

   Korrelierte und unkorrelierte Unterabfragen, EXISTS und Common Table Expressions werden nach Lesbarkeit, Wiederverwendung und Ausführungsverhalten ausgewählt.

6. Schritt 6: Analytische Window Functions einsetzen

   Ranking, laufende Summen, gleitende Werte, Partitionierung und Fensterrahmen werden für Zeitreihen- und Vergleichsanalysen entwickelt.

7. Schritt 7: Daten ändern und Transaktionen steuern

   INSERT, UPDATE, DELETE, MERGE, Commit, Rollback und Sperrverhalten werden mit klaren Sicherheitsgrenzen geübt. Massenänderungen erhalten Vorprüfung und Kontrollabfrage.

8. Schritt 8: Datenbankobjekte definieren

   Tabellen, Views, Sequenzen, Constraints, Indizes und temporäre Strukturen werden passend zum Lebenszyklus und Zugriffsmuster erstellt.

9. Schritt 9: SQLScript-Grundlagen anwenden

   Blöcke, Variablen, Tabellenvariablen, Ausdrücke und deklarative Datenflüsse werden entwickelt. Prozedurale Schleifen werden nur bei fachlicher Notwendigkeit eingesetzt.

10. Schritt 10: Prozeduren und Funktionen entwickeln

    Eingabe- und Ausgabeparameter, Result Sets, skalare Funktionen und Tabellenfunktionen werden mit klaren Verträgen und wiederverwendbarer Logik aufgebaut.

11. Schritt 11: Fehler und Transaktionen behandeln

    Handler, Signalisierung, Validierung, atomare Verarbeitung und aussagekräftige Fehlermeldungen werden implementiert. Seiteneffekte bleiben kontrollierbar.

12. Schritt 12: Dynamisches SQL und Sicherheit bewerten

    Dynamische Anweisungen, Parameterbindung, SQL-Injection-Risiken und Berechtigungsmodelle werden untersucht. Statische, typisierte Lösungen werden bevorzugt.

13. Schritt 13: Performance analysieren

    Explain Plan, Plan Cache, Operatoren, Kardinalität, Filter-Pushdown, Datenbewegung und Parallelisierung werden ausgewertet. Optimierungen werden gemessen.

14. Schritt 14: Abschließende Datenlogik implementieren

    Ein mehrstufiger Datenprozess mit Validierung, Transformation, Kennzahlen und kontrollierter Fehlerausgabe wird als Prozedur- und Funktionspaket umgesetzt.

Praxisübungen

• Entwicklung einer mehrstufigen Analyseabfrage mit CTE und Window Functions
• Sicheres MERGE-Szenario mit Transaktions- und Kontrolllogik
• Implementierung einer SQLScript-Prozedur mit Validierung und Fehlerbehandlung
• Entwicklung einer Tabellenfunktion für ein analytisches Modell
• Planvergleich und Optimierung einer ineffizienten Abfrage

Methodik

Geführte SQL-Labore bauen aufeinander auf. Jede Anweisung wird zunächst mit kleinen Testdaten validiert, danach auf größere Datenmengen übertragen und abschließend hinsichtlich Plan und Ressourcenverbrauch geprüft.