Vollständiger Leitfaden zu benutzerdefinierten Funktionen in der Programmierung und in Datenbanken

Letzte Aktualisierung: 17 November 2026
  • Sie ermöglichen es, komplexe und sich wiederholende Logik in wiederverwendbare Blöcke zu kapseln, um die Code-Wartung zu optimieren.
  • Je nach Umgebung gibt es verschiedene Implementierungen, von Skalar- und Tabellenfunktionen in SQL bis hin zu Generatoren und Lambdas in Python.
  • Durch den Einsatz dieser Methode wird die Leistung deutlich verbessert, indem der Netzwerkverkehr reduziert und der Ausführungscache in Datenbanksystemen genutzt wird.

Nahaufnahme von Programmcodezeilen mit mehrfarbiger Syntaxhervorhebung auf dunklem Bildschirm, die die Modularisierung des Codes und benutzerdefinierte Funktionen darstellt.

Wenn wir uns mit der Softwareentwicklung beschäftigen, sei es mit dem Schreiben von Code in Python oder der Datenverwaltung in SQL, kommt irgendwann der Punkt, an dem wir feststellen, dass wir immer wieder dasselbe tun. Hier kommen benutzerdefinierte Funktionen ins Spiel . Sie sind Werkzeuge, mit denen wir Logikbausteine ​​bündeln, ihnen einen Namen geben und sie bei Bedarf aufrufen können, ohne den gesamten Prozess neu schreiben zu müssen.

Im Prinzip funktionieren sie wie eine kleine Maschine: Man übergibt ihr Eingabedaten, die Funktion erledigt intern ihren Job und gibt ein Ergebnis zurück. Diese Fähigkeit zur Modularisierung des Codes unterscheidet einen Anfänger von einem erfahrenen Programmierer, der seine Projekte skalieren kann, da sie die Fehlerbehebung erheblich erleichtert und das System deutlich übersichtlicher und professioneller macht.

Das Funktionsökosystem in SQL Server und Azure

Ein moderner Serverschrank mit blauer Beleuchtung in einem Rechenzentrum veranschaulicht die technologische Infrastruktur, auf der SQL Server und Azure Functions ausgeführt werden.

In der Microsoft SQL Server-Umgebung sind benutzerdefinierte Funktionen (UDFs) Routinen, die Parameter entgegennehmen und einen Wert zurückgeben, der ein einzelnes Datenelement oder eine ganze Tabelle sein kann. Einer ihrer größten Vorteile ist die modulare Programmierung , da die Funktion geändert werden kann, ohne das Hauptprogramm zu verändern. Darüber hinaus tragen sie zur Beschleunigung bei, da das Speichern von Ausführungsplänen im Cache die Kompilierungskosten reduziert.

In SQL gibt es verschiedene Kategorien von Funktionen. Skalarfunktionen geben einen einzelnen Wert zurück und können direkt oder über mehrere Anweisungen hinweg verwendet werden. Tabellenwertfunktionen (TVFs) hingegen geben einen Datensatz zurück; eingefügte Funktionen haben keinen Funktionskörper und basieren auf einer SELECT-Anweisung. Diese dürfen nicht mit Systemfunktionen verwechselt werden, die fest integriert und nicht veränderbar sind.

  Vollständiger Leitfaden zur Echtzeitsuche in Laravel

Beachten Sie mögliche Nebenwirkungen ; eine SQL-Funktion kann den Zustand externer Ressourcen nicht verändern, beispielsweise keine Datenbanktabelle modifizieren oder eine E-Mail versenden. Sie kann lediglich lokale Variablen ändern. Um die Performance zu verbessern, empfiehlt es sich außerdem, in deterministischen Funktionen Schema-Binding zu verwenden . Dadurch wird die Funktion an das Schema der verwendeten Objekte gebunden.

BigQuery mit Python und Vektorisierung betreiben

Ein Softwareingenieur arbeitet mit einem Laptop vor Serverracks in einem modernen Unternehmensumfeld und repräsentiert die Cloud-Rollen- und Berechtigungsverwaltung.

In der BigQuery-Umgebung ermöglichen Ihnen die benutzerdefinierten Funktionen (UDFs) von Python, die Leistungsfähigkeit dieser Sprache direkt in SQL-Abfragen einzubinden. Dies ist besonders nützlich, da Sie Bibliotheken von Drittanbietern von PyPI oder in Cloud Storage gespeicherte Dateien importieren können, was deutlich tiefergehende Analysen als mit reinem SQL ermöglicht.

Ein wichtiger Punkt ist hier die Vektorisierung . Anstatt Zeilen einzeln zu verarbeiten, was langsam sein kann, kann man einen Pandas DataFrame verwenden, um Daten in Batches zu verarbeiten. Dies wird durch Setzen des Parameters ` max_batching_rows` erreicht , wodurch die Abfrageleistung durch die Verarbeitung der Daten in großen Mengen deutlich verbessert wird.

Für die korrekte Funktion dieser Features ist eine präzise IAM-Rollenverwaltung erforderlich. Der Ersteller der Funktion benötigt Berechtigungen als Datenbearbeiter, der Aufrufer hingegen Berechtigungen als BigQuery-Benutzer. Muss die Funktion zudem auf das Internet zugreifen, um einen externen Dienst abzufragen, ist die Konfiguration einer Cloud-Ressourcenverbindung zwingend erforderlich.

Die Vielseitigkeit von Python: von Lambdas bis zu Generatoren

Laptop mit einem Datenanalyse-Dashboard, das Diagramme und Karten enthält und sich ideal zur Veranschaulichung der Leistungsfähigkeit vektorisierter Funktionen in BigQuery eignet.

In reinem Python ist die Definition einer Funktion dank des Schlüsselworts `def` sehr einfach . Wir können feste Parameter, Standardwerte oder sogar eine beliebige Anzahl von Argumenten mithilfe von Sternchen übergeben (`*args` und `**kwargs`). Dies bietet eine unglaubliche Flexibilität für die Entwicklung von Tools, die sich an beliebige Dateneingaben anpassen.

Es gibt auch anonyme oder Lambda-Funktionen , die sich ideal für schnelle und kurze Aufgaben eignen, die keinen formalen Namen benötigen. Doch wenn es um Speichereffizienz geht, sind Generatoren unübertroffen. Im Gegensatz zu einer normalen Funktion, die mit `return` das gesamte Ergebnis auf einmal zurückgibt, verwendet ein Generator `yield` , um Werte schrittweise zu liefern. Dadurch kann er unendliche Sequenzen verarbeiten, ohne den Arbeitsspeicher des Computers zu überlasten.

  Client-Server-Datenbankarchitektur: Ein vollständiger Leitfaden

Wiederverwendbare Logik mit DAX in Power BI

Business Intelligence Dashboard auf einem Laptop-Bildschirm auf einem weißen Schreibtisch, das die Konsistenz der Geschäftsberechnungen in Power BI mit DAX darstellt.

In der Datenanalyse mit Power BI verhindern DAX-UDFs, dass Geschäftslogik über unzählige verschiedene Kennzahlen verteilt wird. Durch die einmalige Definition einer Funktion wird die Konsistenz der Berechnungen im gesamten semantischen Modell sichergestellt. Dadurch lassen sich Änderungen an den Geschäftsregeln einfach global anwenden, indem nur ein einziger Punkt aktualisiert wird.

Diese Funktionen unterstützen Typangaben (wie NUMERIC oder STRING) und Parameterübergabemodi, entweder für die sofortige oder verzögerte Auswertung. Dadurch wird der Code deutlich robuster und fehlerresistenter , da das System vor der Ausführung der Operation prüfen kann, ob die übergebenen Daten korrekt sind.

Die Möglichkeit, diese gesamte Logik in das Modell zu integrieren, ermöglicht es, Funktionen zu Objekten erster Klasse zu machen , die im Modell-Explorer sichtbar und sowohl in berechneten Spalten als auch in Kennzahlen oder visuellen Elementen verwendbar sind, wodurch der Arbeitsablauf des Datenanalysten optimiert wird.

Die Möglichkeit, eigene Routinen zu erstellen – sei es durch die Einfachheit einer Python-Lambda-Funktion, die Vektorisierungsfähigkeit von BigQuery, die Präzision von SQL Server oder die Struktur von DAX – ermöglicht es uns, unübersichtliche Skripte in organisierte und effiziente Systeme zu verwandeln. Die Beherrschung dieser Werkzeuge verkürzt nicht nur die Entwicklungszeit, sondern gewährleistet auch die langfristige Wartbarkeit der Software und die Fähigkeit, große Datenmengen mit minimalem Ressourcenverbrauch zu verarbeiten.

Häufig gestellte Fragen

Worin besteht der Unterschied zwischen einer Skalarfunktion und einer Tabellenfunktion in SQL?

Skalarfunktionen geben ein einzelnes Datenelement eines bestimmten Typs zurück, während Tabellenwertfunktionen eine Menge von Ergebnissen zurückgeben, die wie eine Tabelle strukturiert sind.

Welchen Zweck hat die Vektorisierung in BigQuery Python UDFs?

Die Vektorisierung ermöglicht die gleichzeitige Verarbeitung von Zeilenstapeln mithilfe von pandas.DataFrame anstatt die Zeilen einzeln zu analysieren, was die Abfragegeschwindigkeit erheblich optimiert.

Was ist eine void-Funktion in Python?

Es handelt sich um eine Funktion, die eine bestimmte Aktion ausführt, wie zum Beispiel das Ausgeben einer Nachricht, aber keinen Wert an den Aufrufer zurückgibt, was zu einem Standardwert von None führt.

Worin unterscheidet sich ein Generator von einer herkömmlichen Funktion in Python?

Im Gegensatz zu herkömmlichen Funktionen, die mit `return` einen Endwert liefern, verwenden Generatoren `yield`, um eine Folge von Ergebnissen nacheinander zurückzugeben und dabei ihren internen Zustand beizubehalten.

Welche Vorteile bieten DAX-UDFs in Power BI?

Sie ermöglichen es, wiederverwendbare Logik im Modell zu bündeln, wodurch die Wiederholung von Formeln in mehreren Kennzahlen vermieden und die zentrale Pflege der Berechnungsregeln erleichtert wird.

Können Datenbanktabellen über eine SQL-Server-Funktion geändert werden?

Nein, SQL Server-Funktionen erlauben keine Seiteneffekte, das heißt, sie können keine dauerhaften Änderungen an externen Ressourcen wie Tabellen oder Katalogen vornehmen.

Was ist eine Lambda-Funktion?

Es handelt sich um eine anonyme und kompakte Funktion, die in einer einzigen Zeile definiert ist, um schnelle Operationen durchzuführen, ohne dass ihr mit def ein formaler Name zugewiesen werden muss.