SQL-kurs för Data Engineers

Lektion 1 • Normaliseringsprinciper

Minskar dataredundans genom att tillämpa normalformer upp till 3NF. Förbereder studenterna att utvärdera schemakvalitet innan de skapar frågor.

Lektion 2 • Databasscheman och kataloger

Förklarar hur scheman organiserar objekt inom en databasinstans. Kopplar schemakännedom till datateknikmiljöer med flera team.

Lektion 3 • Grundläggande begrepp i relationsmodellen

Introducerar tabeller, rader, kolumner och domäner som byggstenarna i relationsdata. Fastställer vokabulär som används genom hela kursen.

Lektion 4 • Entity-relationship-modellering

Översätter affärskrav till ER-diagram innan SQL skrivs. Erbjuder en design-först-metod för schemaskapande.

Lektion 1 • Mönstermatchning och strängfilter

Använder LIKE, jokertecken och strängfunktioner för att filtrera textdata. Stöder vanliga datarengöringsuppgifter i ingenjörsarbetsflöden.

Lektion 2 • Filtrera rader med WHERE

Tillämpar jämförelse- och logiska operatorer för att begränsa resultatmängder. Möjliggör direkt riktad dataextraktion för pipeline-indata.

Lektion 3 • SELECT-satsens struktur

Täcker den logiska och fysiska exekveringsordningen för en SELECT-fråga. Förankrar all efterföljande frågeskrivning i en konsekvent mental modell.

Lektion 4 • Uttryck och beräknade kolumner

Skapar härledda värden med hjälp av aritmetiska, sträng- och villkorsuttryck. Utökar rå kolumndata till pipeline-klara utdata.

Lektion 1 • DISTINCT och deduplicering

Tar bort dubblettrader med DISTINCT och COUNT DISTINCT. Stöder datakvalitetskontroller som är vanliga i valideringssteg för inmatning.

Lektion 2 • Rollup- och cube-tillägg

Genererar delsummor och korstabuleringar med ROLLUP och CUBE. Möjliggör sammanfattningsrapporter på flera nivåer utan flera frågor.

Lektion 3 • Filtrera grupper med HAVING

Tillämpar filter efter aggregering med HAVING för att ta bort oönskade grupper. Skiljer HAVING från WHERE i exekveringsordning.

Lektion 4 • Översikt över aggregeringsfunktioner

Introducerar COUNT, SUM, AVG, MIN och MAX som den grundläggande aggregeringsverktygslådan. Fastställer hur aggregationer kollapsar flera rader till enskilda värden.

Lektion 1 • Grundläggande om inner join

Returnerar endast matchande rader från båda tabellerna med INNER JOIN. Utgör grundmönstret för de flesta datateknikfrågor.

Lektion 2 • Self joins och cross joins

Sammanfogar en tabell med sig själv och genererar kartesiska produkter för specifika användningsfall. Utökar join-verktygslådan för hierarkiska och kombinatoriska data.

Lektion 3 • Outer joins och NULL-hantering

Bevarar omatchade rader med LEFT, RIGHT och FULL OUTER JOIN. Avgörande för att upptäcka saknade relationer i pipeline-data.

Lektion 4 • Mängdoperationer på resultatmängder

Kombinerar eller jämför resultatmängder med UNION, INTERSECT och EXCEPT. Stöder inkrementella laddningsmönster och dataavstämningsuppgifter.

Lektion 1 • EXISTS och NOT EXISTS

Testar för radexistens med semi-join- och anti-join-mönster. Erbjuder effektiva alternativ till IN för stora korrelerade datamängder.

Lektion 2 • Rekursiva CTE:er

Traverserar hierarkiska och grafstrukturerade data med rekursiva WITH-satser. Möjliggör förälder-barn-traversering utan procedurkod.

Lektion 3 • Härledda tabeller i FROM

Använder subfrågor i FROM-satsen som virtuella tabeller för vidare frågor. Möjliggör flerstegstransformationer inom en enda SQL-sats.

Lektion 4 • Skalära och inline-subfrågor

Bäddar in subfrågor i SELECT- och WHERE-satser för att beräkna enskilda värden. Introducerar konceptet med nästlade frågeexekvering.

Lektion 1 • Rankningsfunktioner

Tilldelar ordningspositioner med ROW_NUMBER, RANK och DENSE_RANK. Stöder deduplicering, topp-N-urval och generering av resultatlistor.

Lektion 2 • Syntax för fönsterfunktioner

Introducerar OVER-satsen och dess komponenter: PARTITION BY, ORDER BY och ram. Fastställer den exekveringsmodell som skiljer fönsterfunktioner från aggregeringsfunktioner.

Lektion 3 • Aggregerande fönsterfunktioner

Tillämpar SUM, AVG och COUNT över en glidande eller kumulativ fönsterram. Producerar löpande summor och glidande medelvärden för tidsserie-pipelines.

Lektion 4 • Offset-funktioner

Hämtar föregående och efterföljande radvärden med LAG och LEAD. Möjliggör jämförelser period mot period utan self joins.

Lektion 1 • Skapa och ändra tabeller

Definierar tabellstruktur med CREATE TABLE och modifierar den med ALTER TABLE. Täcker de DDL-operationer som är centrala för schemaadministration i pipelines.

Lektion 2 • Radera och trunkera data

Tar bort rader med DELETE och rensar tabeller med TRUNCATE. Täcker säkra raderingsmönster som är avgörande för pipeline-idempotens.

Lektion 3 • Infoga och uppdatera data

Laddar och modifierar rader med INSERT, UPDATE och bulkinsättningsmönster. Stöder direkt arbetsflöden för datainmatning och korrigering.

Lektion 4 • Villkor och index

Upprätthåller dataintegritet med NOT NULL, UNIQUE, CHECK och främmande nyckelvillkor. Introducerar index som ett prestandaverktyg kopplat till frågemönster.

Lektion 1 • Tekniker för frågeomformulering

Skriver om ineffektiva frågor med sargable-predikat och join-ersättningar. Producerar ekvivalent logik med lägre exekveringskostnad.

Lektion 2 • Partitionering för prestanda

Tillämpar tabellpartitionering för att möjliggöra partitionsrensning och parallella skanningar. Skalar frågeprestanda på stora faktatabeller i datalager.

Lektion 3 • Indexdesign och användning

Väljer och skapar index som överensstämmer med frågeåtkomstmönster. Minskar fulltabellskanningar i högfrekventa pipeline-frågor.

Lektion 4 • Förstå exekveringsplaner

Läser frågeexekveringsplaner för att identifiera kostsamma operationer och flaskhalsar. Kopplar plananalys till riktade optimeringsbeslut.