Kosinusähnlichkeit erklärt: Formel, Arbeitsbeispiel und Python-Code
Die Kosinusähnlichkeit misst, wie nahe zwei Vektoren in die gleiche Richtung zeigen, von -1 (entgegengesetzt) bis 1 (identische Richtung), wobei ihre Länge ignoriert wird. Lernen Sie die Formel, arbeiten Sie ein Beispiel manuell aus, führen Sie es in Python und NumPy aus und erfahren Sie, warum KI-Suche und RAG davon abhängen.
- Kosinusähnlichkeit = Skalarprodukt ÷ (Länge von A × Länge von B). Es vergleicht die Richtung, nicht die Größe.
- Für [3, 4] und [6, 8] beträgt er genau 1,0, obwohl ein Vektor doppelt so lang ist; Senkrechte Vektoren ergeben 0 und entgegengesetzte Vektoren ergeben -1.
- In unserem Wortzähltest belegte der Kosinus ein langes, sich wiederholendes Dokument an zweiter Stelle, während die euklidische Distanz an letzter Stelle stand.
- Bei Vektoren, die auf die Länge 1 normiert sind, entspricht die Kosinusähnlichkeit einem einfachen Skalarprodukt, weshalb Vektordatenbanken häufig zuerst normalisieren.
Jedes Mal, wenn eine Suchmaschine Dokumente findet, die Ihrer Anfrage „ähnlichen“, oder ein Chatbot den richtigen Absatz aus Ihren Dateien abruft, besteht eine gute Chance, dass Kosinus-Ähnlichkeit den Vergleich durchführt. Es ist eine der nützlichsten Ideen im maschinellen Lernen, erfordert jedoch nur Schulmathematik. Alle folgenden Zahlen stammen aus Code, den wir auf Python 3.13.6 ausgeführt haben, mit NumPy 2.5.4 für die vektorisierte Version.
Die Kosinus-Ähnlichkeitsformel
cos(A, B) = (A · B) / (‖A‖ × ‖B‖)
A · B = a1×b1 + a2×b2 + ... + an×bn (dot product)
‖A‖ = √(a1² + a2² + ... + an²) (length, or norm)
Das Ergebnis ist der Kosinus des Winkels zwischen den beiden Vektoren. Zwei Pfeile, die in die gleiche Richtung zeigen, haben einen Winkel von 0° und cos 0° = 1. Pfeile im rechten Winkel haben cos 90° = 0. Pfeile, die in die entgegengesetzte Richtung zeigen, haben cos 180° = -1. Da die Längen aufgeteilt sind, zählt nur die Richtung.
Ein handgearbeitetes Beispiel
Nehmen Sie A = [3, 4] und B = [6, 8]:
- Skalarprodukt: 3×6 + 4×8 = 18 + 32 = 50.
- Länge von A: √(9 + 16) = 5. Länge von B: √(36 + 64) = 10.
- Kosinusähnlichkeit: 50 ÷ (5 × 10) = 1,0.
B ist nur A verdoppelt, sie zeigen also genau in die gleiche Richtung. Unser Code stimmte überein: cos(A,B) = 1.000. Der euklidische Abstand zwischen ihnen betrug jedoch 5,0, sodass eine abstandsbasierte Messung sie als ziemlich unterschiedlich bezeichnen würde.
Was die Werte bedeuten
| Paar | Vektoren | Kosinus | Bedeutung |
|---|---|---|---|
| Gleiche Richtung | [3, 4] und [6, 8] | 1.000 | Identische Richtung |
| Senkrecht | [3, 4] und [4, -3] | 0.000 | Ohne Zusammenhang |
| Gegenteil | [3, 4] und [-3, -4] | -1.000 | Gegenrichtung |
Bei Wortzahlen, die niemals negativ sind, bleiben die Werte zwischen 0 und 1. Bei Einbettungen sind negative Werte möglich, aber in der Praxis liegen die Werte für die meisten verwandten Texte deutlich über 0. Kosinusabstand ist einfach 1 minus Kosinusähnlichkeit und wird verwendet, wenn eine Bibliothek „kleiner ist näher“ erwartet.
Berechnen Sie es in reinem Python
import math
def cos(a, b):
dot = sum(x * y for x, y in zip(a, b))
na = math.sqrt(sum(x * x for x in a))
nb = math.sqrt(sum(y * y for y in b))
return dot / (na * nb)
print(cos([3, 4], [6, 8])) # 1.0
Zehn Zeilen, keine Bibliotheken. Es eignet sich perfekt zum Lernen und für kleine Arbeiten. Beachten Sie, was mit einem Nullvektor passiert: cos([0, 0], [1, 2]) erhöht ZeroDivisionError: float division by zero in unserem Lauf, weil ein Vektor ohne Länge keine Richtung hat. Schützen Sie sich im echten Code davor.
Schnelle Version mit NumPy
import numpy as np
A, B = np.array([3, 4]), np.array([6, 8])
print(np.dot(A, B) / (np.linalg.norm(A) * np.linalg.norm(B))) # 1.0
Normalisieren Sie für viele Vektoren gleichzeitig jede Zeile und verwenden Sie eine Matrixmultiplikation. Wir haben 10.000 zufällige Vektoren mit 384 Dimensionen erstellt (384 ist eine übliche Einbettungsgröße) und alle mit einem Abfragevektor verglichen:
Mn = M / np.linalg.norm(M, axis=1, keepdims=True)
scores = Mn @ (q / np.linalg.norm(q))
top = np.argsort(-scores)[:3]
Der vollständige Vergleich und die Rangfolge dauerten 25,5 ms. Der höchste Treffer war die Abfrage selbst mit einer Punktzahl von 1,0, und die nächstbesten Zufallsvektoren erreichten nur etwa 0,18, wie man es von nicht zusammenhängenden Zufallsdaten erwarten würde. scikit-learn bietet die gleiche Berechnung wie sklearn.metrics.pairwise.cosine_similarity, die wir hier nicht durchgeführt haben.
Tipp: Normalisieren Sie Vektoren einmal, wenn Sie sie speichern. Danach ist die Kosinusähnlichkeit nur noch ein Skalarprodukt. In unserem 768-Dimensionen-Test entsprach das Skalarprodukt normalisierter Vektoren der vollständigen Formel bis auf sechs Dezimalstellen (0,885104 in beide Richtungen).
Ein Textbeispiel: Wort zählt
Verwandeln Sie jedes Dokument anhand eines kleinen Vokabulars in Zählungen: Python, Fehler, Installation, Schlange, Biss, Pip. Vergleichen Sie dann jedes mit der Abfrage „python pip install error“:
| Dok | Text | Kosinus | Euklidischer Abstand |
|---|---|---|---|
| d1 | Python-Installationsfehler pip | 1.000 | 0.00 |
| d4 | Python-Fehler Fehler Fehler Installation Pip Pip | 0.904 | 2.24 |
| d2 | pip Python Python installieren | 0.816 | 1.41 |
| d3 | Schlangenbisspython | 0.289 | 2.24 |
Cosinus belegte mit d4 den zweiten Platz: Es geht um genau das gleiche Thema, nur länger und sich wiederholender. Die euklidische Distanz verband es mit d3, dem Schlangendokument, weil zusätzliche Wörter die Distanz vergrößern, ganz gleich, was sie bedeuten. Das ist der Hauptgrund dafür, dass die Textsuche den Kosinus bevorzugt: Die Dokumentlänge sollte nicht über die Relevanz entscheiden. Echte Systeme verwenden Einbettungen anstelle von Rohzählungen, sodass „Installation fehlgeschlagen“ auch ohne gemeinsame Wörter mit „Installationsfehler“ übereinstimmen kann; siehe Was sind Einbettungen.
Kosinusähnlichkeit vs. euklidischer Abstand
| Aspekt | Kosinusähnlichkeit | Euklidischer Abstand |
|---|---|---|
| Maßnahmen | Winkel (Richtung) | Gerader Spalt |
| Beeinflusst durch die Länge | Nein | Ja |
| Reichweite | -1 zu 1 | 0 bis unendlich |
| Am besten für | Texte, Einbettungen, Empfehlungen | Koordinaten, Sensorwerte, Clustering von Rohmessungen |
Für Vektoren, die auf die Länge 1 normalisiert sind, ergeben beide die gleiche Rangfolge, daher ist die Auswahl für rohe, nicht normalisierte Daten am wichtigsten.
Warum KI-Suche und RAG es verwenden
Bei der abrufgestützten Generierung, dem Muster, mit dem ein großes Sprachmodell aus Ihren eigenen Dokumenten antworten kann, wird jeder Dokumentblock in eine Einbettung umgewandelt und gespeichert. Eine Frage wird auf die gleiche Weise eingebettet und das System gibt die Blöcke mit der höchsten Kosinusähnlichkeit zurück. Wir haben dies mit 768-dimensionalen Vektoren simuliert: Ein Vektor, der durch Hinzufügen von zufälligem Rauschen (halbe Signalstärke) zu einem anderen erstellt wurde, erzielte dagegen 0,885 Punkte, während ein nicht verwandter Zufallsvektor 0,011 Punkte erzielte. Verwandte Bedeutungen liegen nahe bei der Richtung; nicht verwandte Werte liegen nahe bei 0. Vektordatenbanken beschleunigen dies mit ungefähren Nächste-Nachbarn-Indizes; siehe unseren Vektordatenbank-Leitfaden und Was ist RAG. Es ist auch wichtig, wie Sie Dokumente zuerst aufteilen, wie unser RAG-Chunking-Strategien-Test gezeigt hat.
Von der Partitur bis zum Winkel
Da der Score ein Kosinus ist, können Sie ihn mit math.degrees(math.acos(score)) wieder in einen Winkel umwandeln. Für unser Textbeispiel befand sich d4 bei 0,904 etwa 25,3° von der Abfrage entfernt, d2 bei 0,816 bei 35,3° und das Schlangendokument bei 0,289 bei 73,2°. Winkel machen die Intuition konkret: Kleine Winkel bedeuten das gleiche Thema, Winkel nahe 90° bedeuten wenig Gemeinsamkeiten.
So wählen Sie einen Ähnlichkeitsschwellenwert aus
Viele Systeme behalten nur Übereinstimmungen über einem Grenzwert, beispielsweise 0,75. Es gibt keine allgemeingültige richtige Zahl, da jedes Einbettungsmodell seine Werte unterschiedlich verteilt. Ein praktischer Prozess:
- Sammeln Sie 30 bis 50 echte Anfragen und markieren Sie, welche Dokumente wirklich relevant sind.
- Berechnen Sie Kosinuswerte für alle Abfrage- und Dokumentpaare.
- Sehen Sie sich die Bewertungsbereiche relevanter und irrelevanter Paare an. Sie überlappen sich normalerweise ein wenig.
- Wählen Sie den Schwellenwert aus, der für Ihren Anwendungsfall verpasste und falsche Antworten ausgleicht, und überprüfen Sie ihn dann erneut, wenn Sie das Modell wechseln.
Oftmals ist es sicherer, die ersten paar Übereinstimmungen nach Punktzahl zurückzugeben und die Anwendung oder das Sprachmodell entscheiden zu lassen, anstatt sich auf einen festen Grenzwert zu verlassen.
Zu vermeidende Fallstricke
- Nullvektoren: Sie bewirken eine Division durch Null; überspringen oder behandeln Sie sie.
- Modelle mischen: Einbettungen aus verschiedenen Modellen leben in unterschiedlichen Räumen, daher sind ihre Kosinuswerte zusammen bedeutungslos.
- Bewertungen als Prozentsätze behandeln: 0,8 ist nicht „80 % ähnlich“, und gute Schwellenwerte unterscheiden sich je nach Modell. Kalibrieren Sie anhand Ihrer eigenen Daten.
- Größe ignorieren, wenn es darauf ankommt: Wenn die Größe eine Bedeutung hat, wie z. B. Kaufbeträge, verwirft der Kosinus diese Informationen.
- Integer-Überlauf oder Genauigkeit: Verwenden Sie Gleitkommazahlen und normalisieren Sie einmal, nicht bei jeder Abfrage.
Interviewfertige Zusammenfassung
„Die Kosinusähnlichkeit misst den Winkel zwischen zwei Vektoren: das Skalarprodukt dividiert durch das Produkt ihrer Längen. Sie reicht von -1 bis 1 und ignoriert die Größe, was sie ideal für den Vergleich von Text und Einbettungen unterschiedlicher Länge macht. Der Kosinusabstand ist 1 minus der Ähnlichkeit, und für normalisierte Vektoren entspricht die Kosinusähnlichkeit dem Skalarprodukt, das Vektordatenbanken aus Geschwindigkeitsgründen verwenden.“ Untermauern Sie dies mit dem Beispiel [3, 4] und [6, 8], das genau 1,0 erzielt, obwohl die Vektoren unterschiedlich lang sind.
Fazit
Kosinusähnlichkeit ist das Skalarprodukt zweier Vektoren dividiert durch ihre Längen und beantwortet eine Frage: Zeigen diese in die gleiche Richtung? Das macht es ideal für Text und Einbettungen, bei denen die Länge das Rauschen und die Richtung die Bedeutung ausmacht. Lernen Sie es einmal von Hand, verwenden Sie NumPy oder Ihre Vektordatenbank in der Praxis, normalisieren Sie frühzeitig und kalibrieren Sie Schwellenwerte anhand Ihrer eigenen Daten.
Häufige Fragen
Was ist Kosinusähnlichkeit in einfachen Worten?
Es ist ein Wert von -1 bis 1, der angibt, wie nahe zwei Vektoren in die gleiche Richtung zeigen. 1 bedeutet die gleiche Richtung, 0 bedeutet unabhängig und -1 bedeutet entgegengesetzt.
Was ist die Kosinus-Ähnlichkeitsformel?
Die Kosinusähnlichkeit entspricht dem Skalarprodukt von A und B dividiert durch das Produkt ihrer Längen: (A · B) / (‖A‖ × „B‖).
Was ist der Unterschied zwischen Kosinusähnlichkeit und Kosinusabstand?
Der Kosinusabstand ist 1 minus Kosinusähnlichkeit. Die Ähnlichkeit ist bei näheren Vektoren höher, während der Abstand bei näheren Vektoren geringer ist.
Warum wird Kosinusähnlichkeit für Text und Einbettungen verwendet?
Die Vektorlänge wird ignoriert, sodass ein langes und ein kurzes Dokument zum gleichen Thema immer noch als ähnlich bewertet werden. Es zählt nur die Richtung, die den Sinn widerspiegelt.
Wie berechne ich die Kosinusähnlichkeit in Python?
Verwenden Sie np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) mit NumPy, sklearn.metrics.pairwise.cosine_similarity für Batches oder eine kurze reine Python-Funktion mit math.sqrt.
Lerne weiter
Benötigen Sie Hilfe beim Testen, WordPress oder SEO?
Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.
Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung
Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.
BM25 erklärt: Wie die Keyword-Suche Ergebnisse einordnet, mit Python-Code und Hybridsuche
BM25 erklärte anhand einer reinen Python-Implementierung, die wir ausgeführt haben: die Formel, IDF, Termsättigung, die k1- und b-Parameter, warum e…
Artikel lesen →SoftwareentwicklungErklärte HTTP-Methoden: GET, POST, PUT, PATCH, DELETE, getestet auf einem Live-Server
HTTP-Methoden erklärt anhand eines kleinen Servers, den wir ausgeführt haben: GET, POST, PUT, PATCH, DELETE, HEAD und OPTIONS, sicher vs. idempotent…
Artikel lesen →DevOpsGit Bisect erklärt: Finden Sie den Commit, der Ihren Code kaputt gemacht hat, manuell oder automatisch
Git bisect anhand eines getesteten Repositorys erklärt: Finden Sie den einzigen fehlerhaften Commit unter 41 in 5 Testläufen, automatisieren Sie ihn…
Artikel lesen →TestautomatisierungErklärte Pytest-Marker: Benutzerdefinierte Markierungen, Skip, Skipif, Xfail und -m-Filter
Pytest-Marker anhand einer getesteten Suite erklärt: Registrieren Sie benutzerdefinierte Marken, führen Sie nur Smoke-Tests mit -m aus, kombinieren …
Artikel lesen →SoftwaretestsPositive vs. negative Tests: Unterschiede, 24 echte Testfälle und eine Checkliste
Positive vs. negative Tests werden mit einem echten Anmeldeformular erklärt: 6 positive und 18 negative Testfälle werden in Pytest ausgeführt, der f…
Artikel lesen →Datenbanken & SQLSQL ORDER BY Mehrere Spalten: ASC, DESC, NULLS LAST, Case und Custom Order
SQL ORDER BY mit mehreren Spalten, erklärt mit getesteten Abfragen: gemischte ASC und DESC, Tie-Breaker, NULLS FIRST und LAST, Sortierung ohne Berüc…
Artikel lesen →Datenbanken & SQLLaufende SQL-Summe: SUM OVER, Gesamtsummen pro Gruppe, gleitende Summen und die RANGE-Falle
So berechnen Sie eine laufende SQL-Summe mit SUM() OVER: Gesamtsummen pro Gruppe, tägliche kumulative Summen, gleitende Summen, Prozent der Gesamtsu…
Artikel lesen →SoftwareentwicklungJavaScript Sort Array: Zahlen, Objekte, Strings und warum 10 vor 5 kommt
So sortieren Sie ein Array in JavaScript richtig: Zahlen mit einer Vergleichsfunktion, Objekte nach einem oder mehreren Feldern, Zeichenfolgen mit l…
Artikel lesen →SoftwareentwicklungPython-String-Methoden: Spickzettel, reale Beispiele und die Strip()-Falle
Python-String-Methoden mit getesteten Beispielen: Split, Join, Strip, Replacement, Find, Startswith, Is-Methoden, Casefold, Partition und Translate …
Artikel lesen →Künstliche IntelligenzKosinusähnlichkeit erklärt: Formel, Arbeitsbeispiel und Python-Code
Kosinusähnlichkeit einfach erklärt: die Formel, ein handgearbeitetes Beispiel, reiner Python- und NumPy-Code, Kosinus vs. euklidischer Abstand bei r…
Artikel lesen →SoftwareentwicklungErklärung der UTF-8-Kodierung: Wie Text zu Bytes wird und wie man verstümmelten Text repariert
UTF-8-Codierung erklärt anhand von Beispielen auf Byte-Ebene, die wir in Python ausgeführt haben: Wie Zeichen 1 bis 4 Byte groß werden, warum sich C…
Artikel lesen →Testautomatisierungpytest parametrize erklärt: 7 Muster mit getesteten Beispielen
pytest parametrize erklärt mit 7 getesteten Mustern: Basisfälle, lesbare IDs, gestapelte Dekoratoren, pytest.param mit xfail und skip, indirekte Fix…
Artikel lesen →SoftwaretestsRetesting vs. Regressionstests: 8 Hauptunterschiede anhand eines echten Bugfix-Beispiels
Erneutes Testen vs. Regressionstests erklärt anhand eines echten Bugfix-Laufs in Pytest: Ein erneuter Test bestätigte die Fehlerbehebung, der Regres…
Artikel lesen →Datenbanken & SQLDoppelte Zeilen in SQL löschen: 5 sichere Methoden, Schritt für Schritt getestet
So löschen Sie doppelte Zeilen in SQL sicher: Suchen Sie sie, zeigen Sie eine Vorschau an und entfernen Sie sie dann mit ROW_NUMBER, MIN(id), EXISTS…
Artikel lesen →Datenbanken & SQLSQL RANK vs. DENSE_RANK vs. ROW_NUMBER: Unterschiede zu getesteten Beispielen
SQL RANK vs. DENSE_RANK vs. ROW_NUMBER in einer Tabelle: Wie jeder mit Gleichständen umgeht, Top-N pro Gruppe, die zweithöchste Gehaltsfalle und det…
Artikel lesen →SoftwareentwicklungJavaScript Optional Chaining (?.) Erklärt: 8 Beispiele, ?? Vorgaben und Fallen
Die optionale Verkettung von JavaScript stoppt den Fehler „Eigenschaften von undefinierten Objekten können nicht gelesen werden“. 8 getestete Beispi…
Artikel lesen →SoftwareentwicklungPython enumerate() erklärt: 7 Beispiele, start=1 und zu vermeidende Fehler
Python enumerate() gibt Ihnen den Index und den Wert in einer sauberen Schleife. 7 getestete Beispiele, der Start=1-Trick, Wörterbücher, Dateien, Ge…
Artikel lesen →Künstliche IntelligenzErklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen
RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…
Artikel lesen →SoftwareentwicklungAPI-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet
Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …
Artikel lesen →DevOpsGit Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet
Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…
Artikel lesen →SoftwaretestsPaarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet
Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…
Artikel lesen →TestautomatisierungTest-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code
Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…
Artikel lesen →Datenbanken & SQLSQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet
SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…
Artikel lesen →Datenbanken & SQLSQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet
SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…
Artikel lesen →SoftwareentwicklungErklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet
Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…
Artikel lesen →SoftwareentwicklungErklärte Python-Funktionstools: lru_cache, Partial, Reduce, Wraps und mehr, getestet
Python-Funktionstools erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: lru_cache und Cache, Partial, Reduce, Wraps, Cached_Property, Sing…
Artikel lesen →SoftwareentwicklungErklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet
Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…
Artikel lesen →Künstliche IntelligenzErklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen
Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…
Artikel lesen →SoftwareentwicklungWebhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt
Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…
Artikel lesen →DevOpsGit Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet
Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…
Artikel lesen →TestautomatisierungSnapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut
Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…
Artikel lesen →SoftwaretestsMutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat
Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…
Artikel lesen →Datenbanken & SQLErklärte SQL-JSON-Funktionen: JSON in SQL abfragen, aktualisieren und indizieren, getestet
SQL-JSON-Funktionen erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: json_extract, die Operatoren -> und ->>, json_each, json…
Artikel lesen →Datenbanken & SQLSQL Pivot erklärt: Zeilen in Spalten umwandeln mit CASE, FILTER und PIVOT
SQL-Pivot erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: bedingte Aggregation mit CASE und SUM, FILTER, NULL vs. Null, Summen, dynam…
Artikel lesen →Künstliche IntelligenzPrompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt
Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …
Artikel lesen →DevOpsErklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups
DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…
Artikel lesen →DevOpsErklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene
Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…
Artikel lesen →TestautomatisierungTestdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten
Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…
Artikel lesen →SoftwaretestsShift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen
Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …
Artikel lesen →Datenbanken & SQLErklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung
SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …
Artikel lesen →Datenbanken & SQLErklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke
SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…
Artikel lesen →SoftwareentwicklungErklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler
Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…
Artikel lesen →SoftwareentwicklungES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet
ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…
Artikel lesen →SoftwareentwicklungPython Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet
Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …
Artikel lesen →Künstliche IntelligenzErklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten
Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…
Artikel lesen →DevOpsSSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten
SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…
Artikel lesen →DevOpsHTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test
HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…
Artikel lesen →TestautomatisierungAPI-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden
Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…
Artikel lesen →SoftwaretestsRisikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt
Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…
Artikel lesen →Datenbanken & SQLErklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet
SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…
Artikel lesen →Datenbanken & SQLErklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren
Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…
Artikel lesen →SoftwareentwicklungPython-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings
Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…
Artikel lesen →SoftwareentwicklungDebounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet
Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…
Artikel lesen →SoftwareentwicklungErklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses
Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…
Artikel lesen →Künstliche IntelligenzLLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen
LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…
Artikel lesen →DevOpsYAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen
YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…
Artikel lesen →DevOpsCron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören
Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…
Artikel lesen →Künstliche IntelligenzKI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert
KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…
Artikel lesen →DevOpsErklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht
Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…
Artikel lesen →SoftwareentwicklungAPI-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern
API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…
Artikel lesen →TestautomatisierungSpott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen
Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …
Artikel lesen →SoftwaretestsCode-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet
Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…
Artikel lesen →Datenbanken & SQLDELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck
DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…
Artikel lesen →Datenbanken & SQLErklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen
SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…
Artikel lesen →SoftwareentwicklungTypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler
TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…
Artikel lesen →SoftwareentwicklungPython *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen
Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…
Artikel lesen →SoftwareentwicklungPython-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet
Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…
Artikel lesen →Künstliche IntelligenzWas sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können
Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…
Artikel lesen →DevOpsÜberwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces
Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…
Artikel lesen →DevOpsDocker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten
Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…
Artikel lesen →TestautomatisierungTDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte
TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…
Artikel lesen →SoftwaretestsBenutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele
Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…
Artikel lesen →Datenbanken & SQLErklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen
SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…
Artikel lesen →Datenbanken & SQLSQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler
SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…
Artikel lesen →SoftwareentwicklungWas ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt
Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen
Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…
Artikel lesen →SoftwareentwicklungErklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen
Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…
Artikel lesen →Künstliche IntelligenzWas sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt
Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…
Artikel lesen →DevOpsBlau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl
Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…
Artikel lesen →TestautomatisierungFlaky-Tests: Was sie verursacht und wie man sie endgültig behebt
Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…
Artikel lesen →SoftwaretestsLasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele
Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…
Artikel lesen →SoftwaretestsTestfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet
Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…
Artikel lesen →Datenbanken & SQLSQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben
An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…
Artikel lesen →Datenbanken & SQLSQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung
SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…
Artikel lesen →SoftwareentwicklungTutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen
Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…
Artikel lesen →SoftwareentwicklungUmgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen
Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…
Artikel lesen →SoftwareentwicklungPython-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen
Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…
Artikel lesen →Künstliche IntelligenzWas ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt
Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…
Artikel lesen →DevOpsLinux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen
Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…
Artikel lesen →TestautomatisierungSelenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten
Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…
Artikel lesen →SoftwaretestsÄquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt
Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…
Artikel lesen →SoftwaretestsSchweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele
Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…
Artikel lesen →Datenbanken & SQLTutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen
Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…
Artikel lesen →Datenbanken & SQLSQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen
SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…
Artikel lesen →SoftwareentwicklungSpickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen
Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler
JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …
Artikel lesen →SoftwareentwicklungPython-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster
Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…
Artikel lesen →Künstliche IntelligenzWas ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt
Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…
Artikel lesen →DevOpsTerraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen
Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…
Artikel lesen →DevOpsDocker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen
Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…
Artikel lesen →TestautomatisierungPytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele
Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…
Artikel lesen →SoftwaretestsSoftware Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel
Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…
Artikel lesen →SoftwareentwicklungGit merge vs rebase: Unterschiede, Beispiele und wann man was nutzt
Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.
Artikel lesen →SoftwareentwicklungPython List Comprehension: Syntax, Beispiele und wann man darauf verzichtet
Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…
Artikel lesen →Datenbanken & SQLSQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)
SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…
Artikel lesen →