Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Überblick über SQL in AWS Clean Rooms
<a name="sql-reference"></a>

Willkommen bei der *AWS Clean RoomsSQL-Referenz.*

AWS Clean Roomsbasiert auf dem Industriestandard Structured Query Language (SQL), einer Abfragesprache, die aus Befehlen und Funktionen besteht, die Sie für die Arbeit mit Datenbanken und Datenbankobjekten verwenden. SQL setzt auch Regeln für die Verwendung von Datentypen, Ausdrücken und Literalen durch.

Die folgenden Themen enthalten allgemeine Informationen zu den Konventionen und Benennungsregeln, die in dieser SQL-Referenz verwendet werden.

**Topics**
+ [Konventionen für die SQL-Referenz](sql-ref-conventions.md)
+ [SQL-Namensregeln](sql-ref-naming.md)
+ [Datentypunterstützung durch SQL Engine](sql-reference-supported-data-types-dialect.md)

Die folgenden Abschnitte enthalten Informationen zu den Literalen, Datentypen, SQL-Befehlen, Typen von SQL-Funktionen und SQL-Bedingungen, die Sie in AWS Clean Rooms verwenden können.
+ [AWS Clean Rooms Spark-SQL](sql-reference-spark.md)

Weitere Informationen AWS Clean Rooms dazu finden Sie im [AWS Clean RoomsBenutzerhandbuch](https://docs.aws.amazon.com/clean-rooms/latest/userguide/what-is.html) und in der [AWS Clean RoomsAPI-Referenz.](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)

# Konventionen für die SQL-Referenz
<a name="sql-ref-conventions"></a>

In diesem Abschnitt werden die Konventionen erklärt, die zum Schreiben der Syntax für die SQL-Ausdrücke, -Befehle und -Funktionen verwendet werden.


| Zeichen | Beschreibung | 
| --- | --- | 
| GROSSBUCHSTABEN | Wörter in Großbuchstaben sind Schlüsselwörter. | 
| [ ]  | Eckige Klammern bezeichnen optionale Argumente. Mehrere Argumente in eckigen Klammern zeigen an, dass Sie eine beliebige Anzahl der Argumente verwenden können. Argumente in eckigen Klammern, die jeweils in einer eigenen Zeile stehen, zeigen außerdem an, dass der -Parser die Argumente in der Reihenfolge erwartet, in der sie in der Syntax aufgelistet sind. | 
| \$1 \$1  | Geschweifte Klammern zeigen an, dass Sie nur eines der Argumente verwenden können, die innerhalb der Klammern stehen. | 
| \$1 | Pipe-Zeichen zeigen an, dass Sie zwischen den Argumenten wählen können. | 
| Kursivschrift | Wörter in Kursivschrift zeigen Platzhalter an. Sie müssen das kursiv formatierte Wort durch den entsprechenden Wert ersetzen. | 
| ... | Auslassungspunkte zeigen an, dass Sie das Element davor wiederholen können. | 
| '  | Wörter in einfachen Anführungszeichen müssen zusammen mit den Anführungszeichen verwendet werden. | 

# SQL-Namensregeln
<a name="sql-ref-naming"></a>

In den folgenden Abschnitten werden die SQL-Benennungsregeln unter erklärt AWS Clean Rooms.

**Topics**
+ [Namen und Spalten für konfigurierte Tabellenzuordnungen](#confg-table-and-column-naming-rules)
+ [Reservierte Wörter](#reserved-words)

## Namen und Spalten für konfigurierte Tabellenzuordnungen
<a name="confg-table-and-column-naming-rules"></a>

Mitglieder, die Abfragen durchführen können, verwenden konfigurierte Tabellenzuordnungsnamen als Tabellennamen in Abfragen. Konfigurierte Tabellenzuordnungsnamen und konfigurierte Tabellenspalten können in Abfragen mit Aliasnamen versehen werden. 

Die folgenden Benennungsregeln gelten für konfigurierte Tabellenzuordnungsnamen, konfigurierte Tabellenspaltennamen und Aliase: 
+ Sie dürfen nur alphanumerische Zeichen, Unterstriche (\$1) oder Bindestriche (-) enthalten, dürfen jedoch nicht mit einem Bindestrich beginnen oder enden.
  + (*Nur benutzerdefinierte Analyseregel*) Sie können das Dollarzeichen (\$1) verwenden, aber kein Muster, das einer Zeichenkettenkonstante in Dollaranführungszeichen folgt. 

    Eine Zeichenkettenkonstante in Dollaranführungszeichen besteht aus:
    + ein Dollarzeichen (\$1)
    + ein optionales „Tag“ mit null oder mehr Zeichen
    + ein weiteres Dollarzeichen
    + beliebige Zeichenfolge, aus der der Zeichenketteninhalt besteht
    + ein Dollarzeichen (\$1)
    + das gleiche Etikett, mit dem der Dollarkurs begann
    + ein Dollarzeichen

      Beispiel: `$$invalid$$`
+ Sie dürfen keine aufeinanderfolgenden Bindestriche (-) enthalten.
+ Sie dürfen mit keinem der folgenden Präfixe beginnen: 

  `padb_`, `pg_`, `stcs_`, `stl_`, `stll_`, `stv_`, `svcs_`, `svl_`, `svv_`, `sys_`, `systable_`
+ Sie dürfen keine umgekehrten Schrägstriche (\$1), Anführungszeichen (') oder Leerzeichen ohne doppelte Anführungszeichen enthalten.
+ Wenn sie mit einem nicht alphabetischen Zeichen beginnen, müssen sie in doppelten Anführungszeichen (“ „) stehen.
+ Wenn sie einen Bindestrich (-) enthalten, müssen sie in doppelten Anführungszeichen (“ „) stehen.
+ Sie müssen zwischen 1 und 127 Zeichen lang sein.
+ [Reservierte Wörter](#reserved-words) müssen in doppelten Anführungszeichen (“ „) stehen.
+ Die folgenden Spaltennamen sind reserviert und können nicht verwendet werden AWS Clean Rooms (auch nicht mit Anführungszeichen):
  + oid
  + Tableoid
  + xmin
  + cmin
  + xmax
  + cmax
  + ctid

## Reservierte Wörter
<a name="reserved-words"></a>

Im Folgenden finden Sie eine Liste der reservierten Wörter in AWS Clean Rooms.


|  |  |  |  | 
| --- |--- |--- |--- |
|  AES128  |  DELTA32KDESC  |  LEADING  |  PRIMARY  | 
|  AES256ALL  |  DISTINCT  |  LEFTLIKE  |  RAW  | 
|  ALLOWOVERWRITEANALYSE  |  DO  |  LIMIT  |  READRATIO  | 
|  ANALYZE  |  DISABLE  |  LOCALTIME  |  RECOVERREFERENCES  | 
|  AND  |  ELSE  |  LOCALTIMESTAMP  |  REJECTLOG  | 
|  ANY  |  EMPTYASNULLENABLE  |  LUN  |  RESORT  | 
|  ARRAY  |  ENCODE  |  LUNS  |  RESPECT  | 
|  AS  |  ENCRYPT   |  LZO  |  RESTORE  | 
|  ASC  |  ENCRYPTIONEND  |  LZOP  |  RIGHTSELECT  | 
|  AUTHORIZATION  |  EXCEPT  |  MINUS  |  SESSION\$1USER  | 
|  AZ64  |  EXPLICITFALSE  |  MOSTLY16  |  SIMILAR  | 
|  BACKUPBETWEEN  |  FOR  |  MOSTLY32  |  SNAPSHOT  | 
|  BINARY  |  FOREIGN  |  MOSTLY8NATURAL  |  SOME  | 
|  BLANKSASNULLBOTH  |  FREEZE  |  NEW  |  SYSDATESYSTEM  | 
|  BYTEDICT  |  FROM  |  NOT  |  TABLE  | 
|  BZIP2CASE  |  FULL  |  NOTNULL  |  TAG  | 
|  CAST  |  GLOBALDICT256  |  NULL  |  TDES  | 
|  CHECK  |  GLOBALDICT64KGRANT  |  NULLSOFF  |  TEXT255  | 
|  COLLATE  |  GROUP  |  OFFLINEOFFSET  |  TEXT32KTHEN  | 
|  COLUMN  |  GZIPHAVING  |  OID  |  TIMESTAMP  | 
|  CONSTRAINT  |  IDENTITY  |  OLD  |  TO  | 
|  CREATE  |  IGNOREILIKE  |  ON  |  TOPTRAILING  | 
|  CREDENTIALSCROSS  |  IN  |  ONLY  |  TRUE   | 
|  CURRENT\$1DATE  |  INITIALLY  |  OPEN  |  TRUNCATECOLUMNSUNION  | 
|  CURRENT\$1TIME  |  INNER  |  OR  |  UNIQUE  | 
|  CURRENT\$1TIMESTAMP  |  INTERSECT  |  ORDER  | UNNEST | 
|  CURRENT\$1USER  |  INTERVAL  |  OUTER  |  USING  | 
|  CURRENT\$1USER\$1IDDEFAULT  |  INTO  |  OVERLAPS  |  VERBOSE  | 
|  DEFERRABLE  |  IS  |  PARALLELPARTITION  |  WALLETWHEN  | 
|  DEFLATE  |  ISNULL  |  PERCENT  |  WHERE  | 
|  DEFRAG  |  JOIN  |  PERMISSIONS  |  WITH  | 
|  DELTA  |  LANGUAGE  |  PIVOTPLACING  |  WITHOUT  | 

# Datentypunterstützung durch SQL Engine
<a name="sql-reference-supported-data-types-dialect"></a>

AWS Clean Rooms unterstützt mehrere SQL-Engines und Dialekte. Das Verständnis der Datentypsysteme in diesen Implementierungen ist entscheidend für eine erfolgreiche Zusammenarbeit und Analyse von Daten. Die folgenden Tabellen zeigen die entsprechenden Datentypen in AWS Clean Rooms SQL, Snowflake SQL und Spark SQL. 

## Numerische Datentypen
<a name="numeric-data-types-table"></a>

Numerische Typen stehen für verschiedene Arten von Zahlen, von genauen ganzen Zahlen bis hin zu ungefähren Gleitkommawerten. Die Wahl des numerischen Typs wirkt sich sowohl auf die Speicheranforderungen als auch auf die Rechengenauigkeit aus. Integer-Typen variieren je nach Bytegröße, während Dezimal- und Gleitkommatypen unterschiedliche Genauigkeits- und Skalierungsoptionen bieten. 


| Datentyp | AWS Clean Rooms SQL | Snowflake-SQL | Spark-SQL | Description | 
| --- | --- | --- | --- | --- | 
| 8-Byte-Ganzzahl | BIGINT | Nicht unterstützt | GROSSER GANZZAHL, LANG | Ganzzahlen mit Vorzeichen von -9.223.372.036.854.775.808 bis 9.223.372.036.854.775.807. | 
| 4-Byte-Ganzzahl | INT | Nicht unterstützt | INT, INTEGER | Ganzzahlen mit Vorzeichen von -2.147.483.648 bis 2.147.483.647 | 
| 2-Byte-Ganzzahl | SMALLINT  | Nicht unterstützt | SMALLINT, KURZ | Ganzzahlen mit Vorzeichen von -32.768 bis 32.767 | 
| 1-Byte-Ganzzahl | Nicht unterstützt | Nicht unterstützt | WINZIGE GANZZAHL, BYTE | Ganzzahlen mit Vorzeichen von -128 bis 127 | 
|  Float mit doppelter Genauigkeit | DOPPELTE, DOPPELTE PRÄZISION | FLOAT, FLOAT4, FLOAT8, DOPPELT, DOPPELTE GENAUIGKEIT, REAL | DOUBLE | 8-Byte-Gleitkommazahlen mit doppelter Genauigkeit | 
| Gleitkommazahl mit einfacher Genauigkeit | ECHT, SCHWEBEN | Nicht unterstützt | FLOAT | 4-Byte-Fließkommazahlen mit einfacher Genauigkeit | 
| Dezimal (feste Genauigkeit) | DECIMAL  | DEZIMAL, NUMERISCH, ZAHL Snowflake ordnet exakte numerische Typen mit kleinerer Breite (INT, BIGINT, SMALLINT usw.) automatisch als Alias für NUMBER zu.  | DEZIMAL, NUMERISCH,  | Vorzeichenbehaftete Dezimalzahlen mit beliebiger Genauigkeit | 
| Dezimalzahl (mit Genauigkeit) | DEZIMAL (p) | DEZIMAL (p), ZAHL (p) | DEZIMAL (p) | Dezimalzahlen mit fester Genauigkeit | 
| Dezimalzahl (mit Skala) | DECIMAL (p,s) | DEZIMAL (p, s), ZAHL (p, s) | DECIMAL (p,s) | Dezimalzahlen mit fester Genauigkeit und Skala | 

## Boolesche Datentypen
<a name="boolean-data-types-table"></a>

Boolesche Typen stehen für einfache logische Werte. true/false Diese Typen sind in allen SQL-Engines konsistent und werden häufig für Flags, Bedingungen und logische Operationen verwendet. 


| Datentyp | AWS Clean Rooms SQL | Snowflake-SQL | Spark-SQL | Description | 
| --- | --- | --- | --- | --- | 
| Boolesch  | BOOLEAN  | BOOLEAN  | BOOLEAN  | Stellt Werte dar true/false  | 

## Datums- und Uhrzeit-Datentypen
<a name="date-time-data-types-table"></a>

Datums- und Uhrzeittypen verarbeiten Zeitdaten mit unterschiedlicher Genauigkeit und Zeitzonenerkennung. Diese Typen unterstützen verschiedene Formate zum Speichern von Daten, Uhrzeiten und Zeitstempeln sowie Optionen zum Ein- oder Ausschließen von Zeitzoneninformationen. 


| Datentyp | AWS Clean Rooms SQL | Snowflake-SQL | Spark-SQL | Description | 
| --- | --- | --- | --- | --- | 
| Date  | DATE  | DATE  | DATE  | Datumswerte (Jahr, Monat, Tag) ohne Zeitzone | 
| Zeit  | TIME  | Nicht unterstützt | Nicht unterstützt | Tageszeit in UTC, ohne Zeitzone | 
| Zeit mit TZ | TIMETZ  | Nicht unterstützt | Nicht unterstützt | Tageszeit in UTC, mit Zeitzone | 
| Zeitstempel  | TIMESTAMP (ZEITSTEMPEL)  | ZEITSTEMPEL, ZEITSTEMPEL\$1NTZ | TIMESTAMP\$1NTZ |  Zeitstempel ohne Zeitzone NTZ steht für „Keine Zeitzone“  | 
| Zeitstempel mit TZ | TIMESTAMPTZ  | TIMESTAMP\$1LTZ | ZEITSTEMPEL, TIMESTAMP\$1LTZ | Zeitstempel mit lokaler Zeitzone LTZ steht für „Lokale Zeitzone“  | 

## Zeichendatentypen
<a name="character-data-types-table"></a>

Zeichentypen speichern Textdaten und bieten sowohl Optionen mit fester Länge als auch mit variabler Länge. Diese Typen verarbeiten Textzeichenfolgen und Binärdaten mit optionalen Längenangaben zur Steuerung der Speicherzuweisung. 


| Datentyp | AWS Clean Rooms SQL | Snowflake-SQL | Spark-SQL | Description | 
| --- | --- | --- | --- | --- | 
| Zeichen mit fester Länge  | CHAR  | CHAR, CHARACTER | CHAR, CHARACTER | Zeichenfolge mit fester Länge | 
| Zeichen fester Länge mit Länge | CHAR(n) | CHAR(n), CHARACTER(n) | CHAR(n), CHARACTER(n) | Zeichenfolge mit fester Länge und angegebener Länge | 
| Zeichen mit variabler Länge | VARCHAR  | VARCHAR, STRING, TEXT | VARCHAR, ZEICHENFOLGE | Zeichenfolge mit variabler Länge | 
| Zeichen mit variabler Länge und Länge | VARCHAR (n) | VARCHAR (n), ZEICHENFOLGE (n), TEXT (n) | VARCHAR (n) | Zeichenfolge mit variabler Länge und Längenbeschränkung  | 
| Binär  | VARBYTE  | BINARY, VARBINARY | BINARY  | Binäre Bytefolge | 
| Binär mit Länge | VARBYTE(n) | Nicht unterstützt | Nicht unterstützt | Binäre Bytefolge mit Längenbegrenzung | 

## Strukturierte Datentypen
<a name="structured-data-types-table"></a>

Strukturierte Typen ermöglichen eine komplexe Datenorganisation, indem mehrere Werte in einzelnen Feldern kombiniert werden. Dazu gehören Arrays für geordnete Sammlungen, Maps für Schlüssel-Wert-Paare und Strukturen zur Erstellung benutzerdefinierter Datenstrukturen mit benannten Feldern. 


| Datentyp | AWS Clean Rooms SQL | Snowflake-SQL | Spark-SQL | Description | 
| --- | --- | --- | --- | --- | 
| Array  | ARRAY <type> | ARRAY (Typ) | ARRAY <type> | Geordnete Reihenfolge von Elementen desselben Typs Array-Typen müssen Elemente desselben Typs enthalten  | 
| Zuordnung  | LANDKARTE<key, value> | MAP (Schlüssel, Wert) | LANDKARTE<key, value> | Sammlung von Schlüssel-Wert-Paaren Kartentypen müssen Elemente desselben Typs enthalten  | 
| Struct  | STRUKTUR< field1: type1, field2: type2> |  OBJEKT (Feld1 Typ1, Feld2 Typ2) | STRUKTUR< field1: type1, field2: type2 > | Struktur mit benannten Feldern bestimmter Typen Die Syntax strukturierter Typen kann zwischen den Implementierungen leicht variieren  | 
| Super  | SUPER  | Nicht unterstützt | Nicht unterstützt | Flexibler Typ, der alle Datentypen unterstützt, auch komplexe Typen |