Laufende SQL-Summe: SUM OVER, Gesamtsummen pro Gruppe, gleitende Summen und die RANGE-Falle
Eine laufende SQL-Summe addiert den Wert jeder Zeile zur Summe aller vorherigen Zeilen. Der moderne Weg ist eine Fensterfunktion: SUM(amount) OVER (ORDER BY day, id). Dieser Leitfaden zeigt Gesamtsummen pro Gruppe, tägliche kumulative Summen, gleitende Summen und Prozentsätze sowie die Gleichstandsfalle, die stillschweigend falsche Zahlen angibt.
- Eine SQL-Laufsumme ist
SUM(col) OVER (ORDER BY ...); Fügen SiePARTITION BYhinzu, um es für jede Gruppe neu zu starten. - Sortieren Sie nach einer einzigartigen Kombination wie
day, id. Allein die Sortierung nach einem nicht eindeutigen Tag ergab in unserem Test, dass gebundene Zeilen die gleiche Gesamtsumme hatten. ROWS BETWEEN 2 PRECEDING AND CURRENT ROWwandelt es in eine dreireihige gleitende Summe um.- Bei 20.000 Zeilen benötigte die Fensterfunktion 22 ms; Die alte korrelierte Unterabfrage dauerte fast 8 Sekunden.
Kumulierte Einnahmen, Kontostände, Lagerbestände, Burn-Down-Diagramme und „Fortschritt in Richtung Ziel“ erfordern alle die gleiche Berechnung: Addieren Sie alles bisher. Dies bedeutete jahrelang umständliche Selbstverknüpfungen oder Unterabfragen. Modernes SQL erledigt dies mit einer Fensterfunktion. Wir haben jede der folgenden Abfragen in SQLite 3.50.4 ausgeführt. Die Syntax ist Standard und funktioniert in PostgreSQL, MySQL 8+, SQL Server 2012+ und Oracle, obwohl wir sie nur in SQLite ausgeführt haben.
Schnelle Antwort
SELECT id, day, amount,
SUM(amount) OVER (ORDER BY day, id) AS running_total
FROM sales;
Die OVER-Klausel verwandelt SUM von einer Gruppierungsfunktion in eine Fensterfunktion. Anstatt Zeilen zu reduzieren, berechnet es eine Summe für jede Zeile über ein „Fenster“ von Zeilen: hier jede Zeile bis einschließlich der aktuellen in der angegebenen Reihenfolge.
Beispieldaten
CREATE TABLE sales(id INTEGER PRIMARY KEY, day TEXT, region TEXT, amount INT);
INSERT INTO sales(day, region, amount) VALUES
('2026-11-01','North',100), ('2026-11-01','South',50),
('2026-11-02','North',80), ('2026-11-03','North',120),
('2026-11-03','South',70), ('2026-11-03','North',30),
('2026-11-04','South',NULL),('2026-11-05','South',90);
Mehrere Zeilen teilen sich absichtlich denselben Tag und ein Betrag ist NULL. Echte Daten sehen so aus und beide Details verändern die Ergebnisse.
Die grundlegende laufende Summe
| ID | Tag | Menge | running_total |
|---|---|---|---|
| 1 | 2026-11-01 | 100 | 100 |
| 2 | 2026-11-01 | 50 | 150 |
| 3 | 2026-11-02 | 80 | 230 |
| 4 | 2026-11-03 | 120 | 350 |
| 5 | 2026-11-03 | 70 | 420 |
| 6 | 2026-11-03 | 30 | 450 |
| 7 | 2026-11-04 | NULL | 450 |
| 8 | 2026-11-05 | 90 | 540 |
Jede Zeile addiert ihren Betrag zur bisherigen Gesamtsumme. Der letzte Wert, 540, entspricht der Gesamtsumme, einer schnellen Plausibilitätsprüfung, die es wert ist, in Tests automatisiert zu werden.
Die RANGE-Krawattenfalle
Hier ist der Fehler, den fast jeder einmal macht. Nur tageweise bestellen, ohne ID:
SELECT id, day, amount,
SUM(amount) OVER (ORDER BY day) AS range_total,
SUM(amount) OVER (ORDER BY day
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS rows_total
FROM sales;
| ID | Tag | Menge | range_total | rows_total |
|---|---|---|---|---|
| 1 | 2026-11-01 | 100 | 150 | 100 |
| 2 | 2026-11-01 | 50 | 150 | 150 |
| 4 | 2026-11-03 | 120 | 450 | 350 |
| 5 | 2026-11-03 | 70 | 450 | 420 |
| 6 | 2026-11-03 | 30 | 450 | 450 |
Bei nur ORDER BY ist der Standardrahmen RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW. RANGE behandelt alle Zeilen mit dem gleichen Reihenfolgewert wie Peers und schließt sie alle ein, sodass jede Zeile am 1. November 150 und jede Zeile am 3. November 450 anzeigte. Der Rahmen ROWS zählt physische Zeilen und ergibt eine echte zeilenweise Gesamtsumme, aber die Reihenfolge gebundener Zeilen ist immer noch willkürlich, es sei denn, Sie fügen einen Gleichstand hinzu.
Tipp: Ordnen Sie eine laufende Summe immer nach etwas Einzigartigem, normalerweise dem Datum plus dem Primärschlüssel. Das ergibt dasselbe Ergebnis mit RANGE oder ROWS und jedes Mal, wenn Sie es ausführen.
RANGE ist nicht falsch; es beantwortet eine andere Frage. „Gesamtumsatz bis zum Ende eines jeden Tages“ ist genau der Bereich, geordnet nach Tag. Wählen Sie es einfach mit Absicht.
Laufende Gesamtsumme pro Gruppe
SELECT region, day, amount,
SUM(amount) OVER (PARTITION BY region ORDER BY day, id) AS region_running
FROM sales
ORDER BY region, day, id;
| Region | Tag | Menge | region_running |
|---|---|---|---|
| Norden | 2026-11-01 | 100 | 100 |
| Norden | 2026-11-02 | 80 | 180 |
| Norden | 2026-11-03 | 120 | 300 |
| Norden | 2026-11-03 | 30 | 330 |
| Süden | 2026-11-01 | 50 | 50 |
| Süden | 2026-11-03 | 70 | 120 |
| Süden | 2026-11-04 | NULL | 120 |
| Süden | 2026-11-05 | 90 | 210 |
PARTITION BY startet die Gesamtsumme für jede Region neu. Verwenden Sie es für Salden pro Kunde, Hauptbücher pro Konto oder Gesamtsummen pro Monat: PARTITION BY strftime('%Y-%m', day) in SQLite oder DATE_TRUNC('month', day) in PostgreSQL. Die gleiche Idee treibt Ranking-Funktionen voran, die in unserem RANK vs. DENSE_RANK-Leitfaden behandelt werden.
Tagessummen, dann eine kumulative Summe
SELECT day, SUM(amount) AS daily,
SUM(SUM(amount)) OVER (ORDER BY day) AS cumulative
FROM sales GROUP BY day;
| Tag | täglich | kumulativ |
|---|---|---|
| 2026-11-01 | 150 | 150 |
| 2026-11-02 | 80 | 230 |
| 2026-11-03 | 220 | 450 |
| 2026-11-04 | NULL | 450 |
| 2026-11-05 | 90 | 540 |
SUM(SUM(amount)) sieht seltsam aus, aber es liest sich natürlich, sobald Sie die Reihenfolge der Auswertung kennen: GROUP BY wird zuerst ausgeführt und erzeugt eine Tagessumme pro Tag, dann addiert die Fensterfunktion diese Tagessummen. Dies ist die Abfrage, die den meisten kumulativen Umsatzdiagrammen zugrunde liegt. Die Gruppierung wird in unserem GROUP BY- und HAVING-Leitfaden erläutert.
Gleitende Summen und Durchschnittswerte
SELECT id, amount,
SUM(amount) OVER w AS sum3,
ROUND(AVG(amount) OVER w, 1) AS avg3
FROM sales
WINDOW w AS (ORDER BY day, id ROWS BETWEEN 2 PRECEDING AND CURRENT ROW);
Durch Ändern des Rahmens von „alle vorherigen Zeilen“ zu „die aktuelle Zeile und die beiden davor“ wird ein rollierendes Fenster erstellt. Zeile 4 hatte eine 3-Zeilen-Summe von 250 (Zeilen 2, 3 und 4: 50 + 80 + 120), und Zeile 6 zeigte 220 mit einem Durchschnitt von 73,3. Beachten Sie Zeile 7: Der Durchschnitt lag bei 50,0, da AVG NULL ignoriert und 100 durch zwei Zeilen dividiert, nicht durch drei. Gleitende Durchschnitte glätten verrauschte Tagesdaten in Dashboards.
Kumulierter Prozentsatz der Gesamtsumme
SELECT id, amount,
ROUND(100.0 * SUM(amount) OVER (ORDER BY day, id)
/ SUM(amount) OVER (), 1) AS pct_cum
FROM sales;
Eine leere OVER () bedeutet „alle Zeilen“. Wenn Sie also die laufende Summe durch diese Zahl dividieren, erhalten Sie einen kumulativen Prozentsatz. Unsere Daten erreichten 18,5 % nach Zeile 1, 64,8 % nach Zeile 4 und 100,0 % am Ende. Wenn Sie stattdessen nach absteigender Menge sortieren, erhalten Sie eine Pareto-Ansicht: wie wenige Artikel 80 % der Gesamtmenge ausmachen.
Wie sich NULL-Werte verhalten
SUM überspringt NULL-Werte, daher wiederholt Zeile 7 einfach die vorherige Summe, 450, anstatt die gesamte Summe in NULL umzuwandeln. Das ist normalerweise das, was Sie wollen. Wenn ein fehlender Betrag in anderen Berechnungen als Null gelten sollte, schließen Sie ihn ein: SUM(COALESCE(amount, 0)), was hier identische Summen ergab. Seien Sie vorsichtiger bei AVG und COUNT(amount), da diese ebenfalls NULL-Werte überspringen und daher den Nenner ändern. Unser SQL COALESCE-Leitfaden behandelt diese Auswahlmöglichkeiten.
Der alte Weg: eine korrelierte Unterabfrage
SELECT s.id, s.amount,
(SELECT SUM(amount) FROM sales x
WHERE x.day < s.day OR (x.day = s.day AND x.id <= s.id)) AS running
FROM sales s ORDER BY day, id;
Dies liefert die gleichen 100, 150, 230, … 540 Ergebnisse und funktioniert in sehr alten Datenbanken ohne Fensterfunktionen, wie MySQL 5.7. Ein Self-Join mit GROUP BY ist eine weitere Variante; Weitere Informationen finden Sie in unserem SQL-Self-Join-Leitfaden. Beide haben die gleiche Schwäche: Für jede Zeile summiert die Datenbank alle vorherigen Zeilen erneut.
Geschwindigkeitstest: Fensterfunktion vs. Unterabfrage
Wir haben 20.000 Zeilen generiert und beide Ansätze in SQLite zeitlich abgestimmt:
| Methode | Zeit |
|---|---|
SUM(v) OVER (ORDER BY id) |
21,9 ms |
| Korrelierte Unterabfrage | 7.979 ms |
Die Fensterfunktion war etwa 360-mal schneller, da sie beim einmaligen Durchlaufen der Zeilen eine laufende Summe beibehält, während die Unterabfrage frühere Zeilen für jede einzelne Zeile erneut hinzufügt. Die Lücke wächst mit jeder zusätzlichen Zeile, sodass der Unterabfrageansatz bei großen Tabellen nicht nur langsamer, sondern auch unbrauchbar ist.
Anwendungen in der realen Welt
- Kontostand: laufende Summe der Gutschriften und Belastungen pro Konto, aufgeteilt nach Konto und geordnet nach Transaktionszeit und -ID.
- Bestand: Lagerbestand nach jedem Eingang oder Verkauf.
- Ziele: kumulierte Verkäufe im Vergleich zu einem monatlichen Ziel.
- Burn-down: verbleibende Arbeit nach jeder abgeschlossenen Aufgabe.
- Datenprüfungen: Die endgültige laufende Summe muss der Ebene
SUMentsprechen, eine praktische Aussage bei Datentests.
Datenbankunterstützung
Fensterfunktionen mit SUM() OVER sind in PostgreSQL, SQL Server 2012 und höher, Oracle, MySQL 8.0 und höher, MariaDB 10.2 und höher sowie SQLite 3.25 und höher verfügbar. Die benannte WINDOW-Klausel, die wir für die gleitende Summe verwendet haben, wird in PostgreSQL, MySQL 8 und SQLite unterstützt, jedoch nicht in SQL Server vor 2022, wo Sie stattdessen OVER (...) wiederholen. Weitere Fenstermuster finden Sie in unserem Tutorial zu SQL-Fensterfunktionen.
Häufige Fehler
- Reihenfolge nach einer nicht eindeutigen Spalte. Gleichstände teilen sich eine Summe unter RANGE und erhalten eine beliebige Reihenfolge unter ROWS. Fügen Sie den Primärschlüssel hinzu.
- Vergessen Sie ORDER BY in OVER.
SUM(x) OVER ()gibt die Gesamtsumme für jede Zeile an, keine laufende Summe. - Verwechslung des äußeren ORDER BY mit dem Fenster ORDER BY. Die Fensterreihenfolge definiert die Berechnung; Die äußere Reihenfolge sortiert nur die Ausgabe.
- Nachträgliches Filtern mit WHERE. WHERE wird vor dem Fenster ausgeführt, sodass die Gesamtwerte geändert werden. Filtern Sie in einer äußeren Abfrage, wenn Sie nur einige Zeilen anzeigen möchten.
- NULL-Werte in Durchschnittswerten ignorieren. Entscheiden Sie, ob das Fehlen Null bedeutet.
Fazit
Eine SQL-Laufsumme ist einer der klarsten Vorteile von Fensterfunktionen: Eine lesbare Zeile ersetzt langsame Selbstverknüpfungen und Unterabfragen. Ordnen Sie nach einem eindeutigen Schlüssel, addieren Sie PARTITION BY für Gesamtsummen pro Gruppe, ändern Sie den Rahmen für gleitende Summen und dividieren Sie durch SUM() OVER () für Prozentsätze. Vergleichen Sie die letzte Zeile mit der Gesamtsumme, und Ihre kumulativen Berichte werden schnell und korrekt sein.
Häufige Fragen
Wie berechne ich eine laufende Summe in SQL?
Verwenden Sie eine Fensterfunktion: SUM(amount) OVER (ORDER BY date_column, id). Jede Zeile erhält die Summe ihres eigenen Werts und aller vorherigen Zeilen in dieser Reihenfolge.
Wie setze ich eine laufende Summe für jede Gruppe zurück?
Fügen Sie PARTITION BY innerhalb der OVER-Klausel hinzu, zum Beispiel SUM(amount) OVER (PARTITION BY customer_id ORDER BY order_date, id).
Warum zeigen Zeilen mit demselben Datum dieselbe laufende Summe?
Wenn nur ORDER BY verwendet wird, ist der Standardrahmen RANGE, der alle Zeilen mit demselben Bestellwert umfasst. Sortieren Sie nach einer eindeutigen Kombination wie Datum und ID oder verwenden Sie einen ROWS-Rahmen.
Wie berechne ich eine laufende Summe ohne Fensterfunktionen?
Verwenden Sie eine korrelierte Unterabfrage oder einen Self-Join, der alle früheren Zeilen summiert. Es funktioniert in alten Datenbanken, ist aber weitaus langsamer; In unserem Test dauerte es bei 20.000 Zeilen etwa 8 Sekunden.
Wie berechne ich eine gleitende Summe in SQL?
Verwenden Sie einen ROWS-Rahmen, zum Beispiel SUM(amount) OVER (ORDER BY day, id ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) für eine dreizeilige gleitende Summe.
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 →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 →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 →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 →