Was ist eine Abfragesprache?

Was ist eine Abfragesprache?

Eine Abfragesprache (Query Language) ist eine spezialisierte Sprache, mit der man einem Datensystem eine Frage stellt: Welche Datensätze passen, in welcher Reihenfolge, mit welchen Feldern? Du beschreibst das gewünschte Ergebnis, und die Engine (eine Datenbank, ein API-Server, eine Such- oder Log-Plattform) findet selbst heraus, wie sie es erzeugt.

Deshalb sind Abfragesprachen meist kürzer als die entsprechende Schleife in Python oder Java, und deshalb können Engines Indizes, Abfrageplanung und parallele Ausführung nutzen, ohne dass du sie schreibst. Fast jede Schicht eines modernen Stacks hat eine: SQL für relationale Datenbanken, GraphQL für APIs, MongoDBs JSON-Abfragen für Dokumentspeicher, KQL, SPL und LogQL für Logs.

Die wichtigsten Abfragesprachen

SQL, für relationale und analytische Daten

Die Structured Query Language (SQL) ist die Standardsprache für relationale Datenbanken wie PostgreSQL, MySQL, SQL Server, Oracle und SQLite und wird auch von Analyse-Engines wie BigQuery, Snowflake und Athena verwendet. Ihr Modell aus Tabellen, Zeilen, Joins und Aggregationen passt zu den meisten Geschäftsdaten.

SELECT u.name, COUNT(o.id) AS order_count
FROM users u
LEFT JOIN orders o ON o.user_id = u.id
WHERE u.created_at > '2026-01-01'
GROUP BY u.id, u.name
HAVING COUNT(o.id) > 5
ORDER BY order_count DESC
LIMIT 100;

GraphQL, für APIs

Mit GraphQL benennt ein Client genau die Felder, die er braucht, und holt verwandte Objekte in einer einzigen Anfrage. So entfallen überflüssige Daten und zusätzliche Roundtrips. Mehr zur API-Seite im Eintrag GraphQL.

query {
  user(id: "123") {
    name
    orders(last: 10) {
      id
      total
    }
  }
}

MongoDB-Abfragen, für Dokumentspeicher

MongoDB-Abfragen sind wie JSON aufgebaut. Filter nutzen Operatoren wie $eq, $gt, $in und $regex, Aggregationen laufen als Pipeline aus Stufen. Falls dir das Format neu ist, lies JSON.

db.orders.find({
  status: "shipped",
  total: { $gt: 100 }
}).sort({ total: -1 }).limit(10);

Elasticsearch und OpenSearch Query DSL, für die Suche

Eine JSON-basierte Sprache rund um Relevanzbewertung. Sie kombiniert Volltextsuche, Filter, Aggregationen und Sortierung.

KQL, für Logs und Zeitreihen

Die Kusto Query Language ist Microsofts Pipe-Sprache, die in Azure Monitor, Application Insights und Microsoft Sentinel genutzt wird. Jede Zeile verarbeitet die Ausgabe der Zeile davor.

requests
| where timestamp > ago(1h)
| where resultCode >= 500
| summarize count() by name, bin(timestamp, 5m)
| order by timestamp desc

SPL, LogQL und PromQL, für Observability-Daten

SPL ist die Suchsprache von Splunk. LogQL (Grafana Loki) filtert Logs und übernimmt Ideen von PromQL, der Prometheus-Sprache für Metriken. Alle drei arbeiten als Pipeline oder Ausdruck und sind auf zeitlich geordnete Daten zugeschnitten.

Cypher und GQL, für Graphen

Cypher (Neo4j) beschreibt Graphmuster in einer ASCII-Art-Syntax wie (person)-[:KNOWS]->(friend). GQL, im April 2024 als ISO/IEC 39075 veröffentlicht, ist die erste neue ISO-Datenbankabfragesprache seit SQL und baut auf denselben Property-Graph-Ideen auf. Gremlin ist die Traversal-Alternative in TinkerPop-Datenbanken.

Deklarativ oder Pipeline-Stil

Die meisten Abfragesprachen sind deklarativ: Du nennst das Ergebnis, und die Engine wählt den Ausführungsplan. Andere arbeiten als Pipeline aus Schritten.

• Deklarativ: SQL, GraphQL, MongoDB find, Elasticsearch Query DSL.
• Pipeline: KQL, SPL, LogQL, MongoDB-Aggregations-Pipelines. Jede Stufe nimmt die Ausgabe der vorigen.
• Prozedural: Stored Procedures und benutzerdefinierte Funktionen für Logik, die nicht in eine Abfrage passt, etwa Schleifen mit Zustand.

Bevorzuge die deklarative Form, wenn sie ausdrücken kann, was du brauchst: Sie ist leichter zu lesen, und die Engine kann sie optimieren. Greife nur zu prozeduralem Code, wenn der Kontrollfluss es verlangt.

Was passiert, wenn du eine Abfrage ausführst

Die Engine parst den Text, prüft ihn gegen das Schema, erstellt einen Ausführungsplan und führt ihn aus. Der Plan entscheidet, ob ein Index genutzt oder jede Zeile gelesen wird und in welcher Reihenfolge Tabellen verknüpft werden. In SQL zeigt EXPLAIN diesen Plan, und er ist die erste Anlaufstelle bei einer langsamen Abfrage.

Häufige Fehler

• SQL-Injection. Baue Abfragen nie durch Aneinanderhängen von Nutzereingaben. Verwende parametrisierte Abfragen (Prepared Statements), die Daten und Abfragetext trennen. Parameter können Tabellen- oder Spaltennamen nicht ersetzen, diese ordnest du über eine Positivliste zu.
• Das N+1-Muster. Ein ORM, das eine Liste lädt und dann pro Eintrag eine weitere Abfrage ausführt, macht aus einer Anfrage Hunderte. Nutze Joins, Eager Loading oder ein Batching-Werkzeug wie DataLoader.
• Fehlende Indizes. Ohne passenden Index liest die Engine die ganze Tabelle. Prüfe bei jeder langsamen Abfrage den Ausführungsplan.
• Unbegrenzte GraphQL-Abfragen. Tief verschachtelte Abfragen können sehr teuer werden. Setze Grenzen für Tiefe und Komplexität sowie Timeouts.
• Annehmen, dass NULL überall gleich funktioniert. SQL-NULL vergleicht sich anders als null in MongoDB oder GraphQL. Lies die Regeln der jeweiligen Sprache.
• Dem Client bei der Zugriffskontrolle vertrauen. Setze Berechtigungen dort durch, wo die Abfrage läuft (Row-Level-Security, Feld-Resolver, Rollen), nicht durch Filtern der Ergebnisse im Browser.

Abfragesprachen, Lasttests und Monitoring

Langsame Abfragen zeigen sich oft erst bei gleichzeitigem Traffic: Fehlende Indizes, N+1-Muster und erschöpfte Verbindungspools fallen mit einem einzelnen Nutzer nicht auf. Ein Lasttest gegen deine API erzeugt diesen Traffic und liefert Antwortzeit-Perzentile und Fehler. In Produktion verfolgt API-Monitoring die Antwortzeit jedes Endpunkts aus mehreren Regionen, sodass eine Verschlechterung kurz nach dem Release auffällt (siehe API-Monitoring). Caching hilft, wenn dieselbe Abfrage oft wiederkehrt: API-Caching erklärt wie, und Datenbank-Connection-Pools optimieren behandelt die Pool-Seite. Zur Sicherheit siehe Datenbanksicherheit.

Häufige Fragen: Abfragesprachen

Sollte ich weiterhin SQL lernen?

Ja. Auch wenn ein Tool Abfragen für dich erzeugt, brauchst du SQL, um das Ergebnis zu prüfen, einen Ausführungsplan zu lesen und über Indizes und Joins nachzudenken.

Was ist der Unterschied zwischen SQL- und NoSQL-Abfragesprachen?

SQL arbeitet mit Tabellen mit festem Schema und unterstützt Joins. NoSQL-Abfragesprachen richten sich nach ihrem Datenmodell: Dokumente, Spalten, Schlüssel-Wert-Paare oder Graphen. Viele Anwendungen nutzen beides.

Ersetzt GraphQL REST?

Nicht auf breiter Front. GraphQL passt zu Clients, die flexible, verschachtelte Daten brauchen. REST bleibt bei einfachen und öffentlichen APIs verbreitet, und viele Teams betreiben beides.

Welche Abfragesprache gibt es für Zeitreihendaten?

Gängig sind PromQL für Prometheus, InfluxQL oder Flux für InfluxDB und KQL für Azure Monitor. Sie verbinden einen Zeitraum mit Aggregation über Zeitfenster.

Kann eine Abfragesprache alle Datentypen abdecken?

Nein. SQL kommt dem am nächsten, und Datenbanken wie PostgreSQL ergänzen JSON-, Volltext- und Geo-Funktionen, aber für Graph-Traversierung, Log-Analyse und Vektorsuche gibt es weiterhin spezialisierte Sprachen.