aql_language_scope

ThemisDB AQL Sprachumfang - Analyse und Erweiterungen

Stand: 5. Dezember 2025
Version: 1.0.0
Kategorie: Aql

---

Übersicht

Dieses Dokument analysiert den AQL-Sprachumfang von ThemisDB im Vergleich zu führenden Abfragesprachen und identifiziert notwendige Erweiterungen für vollständige Multi-Model-Unterstützung.

Referenz-Sprachen

Sprache	System	Stärken
AQL	ArangoDB	Multi-Model, Graph-Traversierung
Cypher	Neo4j	Pattern Matching, Graph
GQL	ISO Standard	Graph Query Language Standard
SQL	Relational	Joins, Aggregationen, Window Functions
PartiQL	AWS	Semi-strukturierte Daten
SPARQL	RDF/Triplestore	Semantische Abfragen
MQL	MongoDB	Dokumentenabfragen, Aggregation Pipeline
Gremlin	Apache TinkerPop	Imperative Graph-Traversierung
PGQL	Oracle	Property Graph Queries

---

1. Aktuelle AQL-Funktionen in ThemisDB

1.1 Basis-Funktionen ✅

Funktion	Status	Beschreibung
LENGTH(arr/str)	✅	Länge von Array/String
CONCAT(s1, s2, ...)	✅	String-Verkettung
SUBSTRING(s, start, len)	✅	Teilstring
UPPER(s) / LOWER(s)	✅	Groß-/Kleinschreibung
ABS(n) / CEIL(n) / FLOOR(n) / ROUND(n)	✅	Mathematik
MIN(arr) / MAX(arr)	✅	Min/Max in Array

1.2 Geo/Spatial-Funktionen ✅

Funktion	Status	Beschreibung
ST_Point(x, y)	✅	Punkt erstellen
ST_Distance(g1, g2)	✅	Abstand berechnen
ST_Within(g1, g2)	✅	Enthaltensein prüfen
ST_Contains(g1, g2)	✅	Enthält prüfen
ST_Intersects(g1, g2)	✅	Schnittprüfung
ST_DWithin(g1, g2, d)	✅	Abstand-Prüfung
ST_Buffer(g, d)	✅	Puffer erstellen
ST_Union(g1, g2)	✅	Vereinigung
ST_GeomFromText(wkt)	✅	WKT parsen
ST_GeomFromGeoJSON(json)	✅	GeoJSON parsen
ST_AsGeoJSON(g) / ST_AsText(g)	✅	Export
ST_3DDistance(g1, g2)	✅	3D-Abstand
ST_Z(p) / ST_ZMin(g) / ST_ZMax(g)	✅	Z-Koordinaten

1.3 Vektor-Funktionen ✅

Funktion	Status	Beschreibung
SIMILARITY(field, vector, k)	✅	Vektor-Ähnlichkeitssuche
PROXIMITY(field, point)	✅	Geo-Nähe-Suche

1.4 Graph-Traversierung ✅

Syntax	Status	Beschreibung
FOR v IN 1..n OUTBOUND start edges	✅	Ausgehende Traversierung
FOR v IN 1..n INBOUND start edges	✅	Eingehende Traversierung
FOR v IN 1..n ANY start edges	✅	Bidirektionale Traversierung
SHORTEST_PATH start TO end edges	✅	Kürzester Pfad

1.5 Aggregation ✅

Syntax	Status	Beschreibung
COLLECT x = expr	✅	Gruppierung
AGGREGATE count = COUNT()	✅	Zählen
AGGREGATE sum = SUM(field)	✅	Summieren
AGGREGATE avg = AVG(field)	✅	Durchschnitt

---

🔍 WICHTIGER HINWEIS: Tatsächlicher Implementierungsstatus

Analysedatum: 8. Dezember 2024 (Aktualisiert nach Code-Review)

🎯 WICHTIGE ENTDECKUNG: Parallele Funktionsimplementierung!

Die ursprüngliche Analyse war unvollständig. Eine tiefere Code-Überprüfung ergab:

Es gibt ZWEI getrennte Funktions-Systeme im Code:

1. Legacy-System (/src/query/let_evaluator.cpp): Hardcodierte Funktionsprüfungen - nur Basis-Funktionen
2. Modernes Registry-System (/include/query/functions/*.h): Vollständige, modulare Implementierung - ALLE Funktionen!

Das Problem: Das moderne Registry-System ist IMPLEMENTIERT, aber noch NICHT in den Query-Ausführungspfad integriert!

✅ Was IST im Code vorhanden (Query-Ausführung aktiv):

Basis-Funktionen (in let_evaluator.cpp - funktionsfähig):

• String-Funktionen: LENGTH, CONCAT, SUBSTRING, UPPER, LOWER
• Mathematik: ABS, CEIL, FLOOR, ROUND, MIN, MAX
• Geo/Spatial: ST_Point, ST_Distance, ST_Within, ST_Contains, ST_Intersects, ST_DWithin, ST_Buffer, ST_Union, ST_GeomFromText, ST_GeomFromGeoJSON, ST_AsGeoJSON, ST_AsText, ST_3DDistance, ST_Z, ST_ZMin, ST_ZMax
• Vektor: SIMILARITY (Vektor-Ähnlichkeitssuche), PROXIMITY (Geo-Nähe)
• Graph-Traversierung: FOR v IN 1..n OUTBOUND/INBOUND/ANY, SHORTEST_PATH
• Aggregation: COLLECT x = expr, AGGREGATE COUNT/SUM/AVG
• Window Functions: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, FIRST_VALUE, LAST_VALUE

Quelle: /src/query/let_evaluator.cpp, /src/query/window_evaluator.cpp

✨ Was AUCH im Code existiert (Function Registry - noch nicht integriert):

Dokument-Funktionen (in /include/query/functions/document_functions.h):

• Implementiert: DOCUMENT, MERGE, MERGE_RECURSIVE, UNSET, KEEP, HAS, ATTRIBUTES, VALUES, ZIP, UNZIP
• Typ-Funktionen: TYPENAME, IS_NULL, IS_BOOL, IS_NUMBER, IS_STRING, IS_ARRAY, IS_OBJECT
• Konvertierung: TO_NUMBER, TO_STRING, TO_BOOL, TO_ARRAY

Array-Funktionen (in /include/query/functions/array_functions.h):

• Implementiert: FIRST, LAST, NTH, PUSH, POP, SHIFT, UNSHIFT, SLICE, FLATTEN, UNIQUE, SORTED, REVERSE_ARRAY, UNION, INTERSECTION, MINUS, POSITION, COUNT, RANGE

Datum/Zeit-Funktionen (in /include/query/functions/date_functions.h):

• Implementiert: 54 Funktionen! Inklusive DATE_NOW, DATE_ADD, DATE_DIFF, DATE_FORMAT, DATE_YEAR, DATE_MONTH, DATE_DAY, CURRENT_TIMESTAMP, WORKDAYS, MAKE_DATE, und viele mehr

String-Funktionen (in /include/query/functions/string_functions.h):

• Implementiert: CONCAT, SUBSTRING, LENGTH, UPPER, LOWER, TRIM, LTRIM, RTRIM, SPLIT, REPLACE, REVERSE, CONTAINS, STARTS_WITH, ENDS_WITH, REGEX_TEST, REGEX_REPLACE, LEVENSHTEIN_DISTANCE

Quelle: /include/query/functions/*.h, registriert in /src/query/functions/function_registry.cpp

⚠️ Was fehlt (weder in Legacy noch im Registry):

• Text/Volltext: FULLTEXT, TOKENS, PHRASE, SOUNDEX, METAPHONE, NGRAM_MATCH
• Erweiterte Graph: ALL_SHORTEST_PATHS, K_SHORTEST_PATHS, PATH_LENGTH, PATH_VERTICES, Graph-Algorithmen
• AI/ML: EMBED, CLASSIFY, EXTRACT_ENTITIES, VECTOR_DISTANCE (erweiterte Metriken), HYBRID_SEARCH
• Erweiterte Geo: GEO_DISTANCE (Haversine), GEO_AREA, H3_*, ISOCHRONE
• JSON: JSON_EXTRACT, JSON_SET, JSON_TYPE (komplexe JSON-Pfad-Operationen)
• Statistik: MODE, STDDEV, VARIANCE, CORRELATION, LINEAR_REGRESSION
• Syntax: UPSERT, EXISTS, Transaktionen

🧪 Tests & Benchmarks Bestätigen Implementierung

Google Tests: 191 Test-Fälle in /tests/test_aql_functions.cpp

• String-Funktionen: LENGTH, CONCAT, SUBSTRING, UPPER, LOWER, TRIM, SPLIT, REGEX_TEST, LEVENSHTEIN_DISTANCE
• Math-Funktionen: ABS, CEIL, FLOOR, ROUND, SQRT, POW, LOG, SIN, COS, TAN, PI, MIN, MAX, SUM, AVG
• Array-Funktionen: FIRST, LAST, NTH, PUSH, POP, SLICE, FLATTEN, UNIQUE, SORTED, UNION, INTERSECTION, RANGE
• Date-Funktionen: DATE_NOW, DATE_ADD, DATE_DIFF, DATE_FORMAT, DATE_YEAR, DATE_MONTH, DATE_DAY
• Document-Funktionen: MERGE, UNSET, KEEP, HAS, ATTRIBUTES, VALUES, ZIP, UNZIP
• Geo-Funktionen: ST_Point, ST_Distance, ST_Contains, ST_GeomFromText, ST_AsText

Benchmarks: 39 Performance-Tests in /benchmarks/bench_aql_functions.cpp

• Alle Funktionskategorien haben Benchmark-Coverage
• Performance-Messungen für kritische Operationen

Zusätzlich: ~40 weitere AQL-Test-Dateien für spezielle Features (Graph, Fulltext, Parser, etc.)

Beweis: Die Funktionen sind vollständig implementiert, getestet UND gebenchmarkt!

✅ ERLEDIGT - FunctionRegistry Integration abgeschlossen (8. Dezember 2024):

1. FunctionRegistry in let_evaluator integrieren - FERTIG!
   • src/query/let_evaluator.cpp nutzt jetzt FunctionRegistry
   • ~140+ Funktionen sofort aktiviert
   • 96 Zeilen redundanter Code entfernt

Hohe Priorität - Fehlende Funktionen implementieren: 2. Text/Volltext-Funktionen (FULLTEXT, TOKENS, PHRASE) 3. Erweiterte Graph-Funktionen

Mittlere Priorität: 4. AI/ML-Funktionen 5. Statistische Funktionen

---

2. Implementierungsstatus - Aktualisiert 8. Dezember 2024

⚠️ WICHTIGER HINWEIS: Die folgende Analyse basiert auf einer Code-Überprüfung vom 8. Dezember 2024. Viele zuvor als "✅ implementiert" markierte Funktionen sind tatsächlich NICHT im Sourcecode vorhanden. Dieser Abschnitt wurde korrigiert, um den tatsächlichen Stand widerzuspiegeln.

2.1 ⚠️ Implementiert aber nicht integriert - Document/Array/Date/String Funktionen

STATUS: Diese Funktionen sind vollständig im Code implementiert (/include/query/functions/*.h), aber der Query-Executor (let_evaluator.cpp) nutzt das Function Registry-System noch nicht. Integration erforderlich, KEINE Neu-Implementierung!

Dokument-Funktionen ⚠️ (Implementiert in document_functions.h, nicht integriert)

-- DOCUMENT() - Dokument per ID laden ⚠️ Implementiert, nicht integriert
LET customer = DOCUMENT("customers", order.customerId)

-- MERGE() - Objekte zusammenführen ⚠️ Implementiert, nicht integriert
LET merged = MERGE(doc1, doc2, { extra: "field" })

-- UNSET() - Felder entfernen ⚠️ Implementiert, nicht integriert
LET cleaned = UNSET(doc, ["password", "internal"])

-- KEEP() - Nur bestimmte Felder behalten ⚠️ Implementiert, nicht integriert
LET subset = KEEP(doc, ["name", "email"])

-- HAS() - Feld-Existenz prüfen ⚠️ Implementiert, nicht integriert
FILTER HAS(doc, "optionalField")

-- ATTRIBUTES() - Alle Feldnamen ⚠️ Implementiert, nicht integriert
LET fields = ATTRIBUTES(doc)

-- VALUES() - Alle Feldwerte ⚠️ Implementiert, nicht integriert
LET vals = VALUES(doc)

Status: Vollständig implementiert in /include/query/functions/document_functions.h Problem: let_evaluator.cpp nutzt FunctionRegistry nicht Lösung: FunctionRegistry-Integration (Aufwand: ~1 Woche)

Array-Funktionen ⚠️ (Implementiert in array_functions.h, nicht integriert)

-- FLATTEN() - Verschachtelte Arrays flachen ⚠️ Implementiert, nicht integriert
LET flat = FLATTEN([[1,2], [3,4]])  -- [1,2,3,4]

-- UNIQUE() - Duplikate entfernen ⚠️ Implementiert, nicht integriert
LET unique = UNIQUE([1,1,2,2,3])  -- [1,2,3]

-- UNION() / INTERSECTION() / MINUS() ⚠️ Implementiert, nicht integriert
LET combined = UNION(arr1, arr2)
LET common = INTERSECTION(arr1, arr2)
LET diff = MINUS(arr1, arr2)

-- FIRST() / LAST() / NTH() ⚠️ Implementiert, nicht integriert
LET first = FIRST(arr)
LET last = LAST(arr)
LET third = NTH(arr, 2)

-- SLICE() - Teilarray ⚠️ Implementiert, nicht integriert
LET sub = SLICE(arr, 1, 3)

-- REVERSE() - Umkehren ⚠️ Implementiert, nicht integriert
LET rev = REVERSE(arr)

-- SORTED() / SORTED_UNIQUE() ⚠️ Implementiert, nicht integriert
LET sorted = SORTED(arr)
LET sortedUnique = SORTED_UNIQUE(arr)

-- CONTAINS_ARRAY() - Array enthält Element ⚠️ Nicht implementiert
FILTER CONTAINS_ARRAY(doc.tags, "important")

-- ARRAY_AGG() - In Aggregation ⚠️ Nicht implementiert
COLLECT category = doc.category AGGREGATE items = ARRAY_AGG(doc)

Status: 18 Array-Funktionen in /include/query/functions/array_functions.h Nicht vorhanden: CONTAINS_ARRAY, ARRAY_AGG, SORTED_UNIQUE Lösung: FunctionRegistry-Integration (Aufwand: ~1 Woche)

Datum/Zeit-Funktionen ⚠️ (54 Funktionen in date_functions.h, nicht integriert)

-- DATE_NOW() - Aktueller Zeitstempel ⚠️ Implementiert, nicht integriert
LET now = DATE_NOW()

-- DATE_ISO8601(ts) - Timestamp zu ISO-String ⚠️ Implementiert, nicht integriert
LET isoStr = DATE_ISO8601(doc.timestamp)

-- DATE_TIMESTAMP(iso) - ISO-String zu Timestamp ⚠️ Implementiert, nicht integriert
LET ts = DATE_TIMESTAMP("2024-01-15T10:30:00Z")

-- DATE_YEAR/MONTH/DAY/HOUR/MINUTE/SECOND ⚠️ Implementiert, nicht integriert
LET year = DATE_YEAR(doc.created)
LET month = DATE_MONTH(doc.created)

-- DATE_ADD/SUBTRACT ⚠️ Implementiert, nicht integriert
LET nextWeek = DATE_ADD(now, 7, "day")
LET lastMonth = DATE_SUBTRACT(now, 1, "month")

-- DATE_DIFF ⚠️ Implementiert, nicht integriert
LET daysDiff = DATE_DIFF(start, end, "day")

-- DATE_TRUNC - Auf Periode runden ⚠️ Implementiert, nicht integriert
LET monthStart = DATE_TRUNC(doc.created, "month")

-- DATE_FORMAT ⚠️ Implementiert, nicht integriert
LET formatted = DATE_FORMAT(doc.created, "%Y-%m-%d")

-- DATE_COMPARE ⚠️ Implementiert, nicht integriert
FILTER DATE_COMPARE(doc.expires, now) > 0

Status: Vollständige Datum/Zeit-Bibliothek mit 54 Funktionen in /include/query/functions/date_functions.h Zusätzlich verfügbar: CURRENT_TIMESTAMP, WORKDAYS, MAKE_DATE, AGE, IS_WEEKEND, und 40+ mehr Lösung: FunctionRegistry-Integration (Aufwand: ~1 Woche)

2.2 ❌ Wichtig - NICHT IMPLEMENTIERT (zuvor fälschlicherweise als ✅ markiert)

Text/Volltext-Funktionen ❌

-- FULLTEXT() - Volltextsuche ❌ NICHT IMPLEMENTIERT
FOR doc IN collection
  FILTER FULLTEXT(doc.content, "search term")
  RETURN doc

-- TOKENS() - Text tokenisieren ❌ NICHT IMPLEMENTIERT
LET words = TOKENS("Hello World", "text_en")

-- PHRASE() - Phrasensuche ❌ NICHT IMPLEMENTIERT
FILTER PHRASE(doc.content, "exact phrase")

-- LEVENSHTEIN_DISTANCE() - Edit-Distanz ❌ NICHT IMPLEMENTIERT
LET dist = LEVENSHTEIN_DISTANCE("hello", "hallo")

-- SOUNDEX() / METAPHONE() - Phonetische Suche ❌ NICHT IMPLEMENTIERT
FILTER SOUNDEX(doc.name) == SOUNDEX("Meyer")

-- NGRAM_MATCH() - N-Gram Matching ❌ NICHT IMPLEMENTIERT
FILTER NGRAM_MATCH(doc.title, "searc", 0.7)

-- REGEX_TEST() / REGEX_MATCHES() / REGEX_REPLACE() ❌ NICHT IMPLEMENTIERT
FILTER REGEX_TEST(doc.email, "^[a-z]+@")
LET matches = REGEX_MATCHES(doc.text, "\\d+")
LET cleaned = REGEX_REPLACE(doc.phone, "[^0-9]", "")

-- LIKE mit Wildcards ❌ NICHT IMPLEMENTIERT
FILTER doc.name LIKE "John%"
FILTER doc.code LIKE "A__B"

Status: Diese Funktionen sind im Sourcecode nicht vorhanden. Quelle überprüft: /src/query/let_evaluator.cpp, /src/query/aql_translator.cpp

Window Functions ✅ TATSÄCHLICH IMPLEMENTIERT

-- ROW_NUMBER() OVER ✅ IMPLEMENTIERT
FOR doc IN collection
  LET rowNum = ROW_NUMBER() OVER (
    PARTITION BY doc.category 
    ORDER BY doc.sales DESC
  )
  FILTER rowNum <= 3
  RETURN doc

-- RANK() / DENSE_RANK() ✅ IMPLEMENTIERT
LET rank = RANK() OVER (ORDER BY doc.score DESC)

-- LAG() / LEAD() - Vorherige/Nächste Zeile ✅ IMPLEMENTIERT
LET prevValue = LAG(doc.value, 1) OVER (ORDER BY doc.date)
LET nextValue = LEAD(doc.value, 1) OVER (ORDER BY doc.date)

-- SUM/AVG/COUNT OVER (Fenster) ❌ NICHT IMPLEMENTIERT
LET runningSum = SUM(doc.amount) OVER (
  ORDER BY doc.date 
  ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
)

-- MEDIAN() / PERCENTILE() ❌ NICHT IMPLEMENTIERT
LET median = MEDIAN(values)
LET p95 = PERCENTILE(values, 0.95)

Status: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD sind implementiert. Quelle bestätigt: /src/query/window_evaluator.cpp, /include/query/window_evaluator.h Nicht implementiert: Aggregat-Fenster-Funktionen (SUM/AVG OVER), MEDIAN, PERCENTILE

Graph-Erweiterungen ❌ (teilweise implementiert)

-- ALL_SHORTEST_PATHS ❌ NICHT IMPLEMENTIERT
FOR path IN ALL_SHORTEST_PATHS(start, end, { edgeCollection: "edges" })
  RETURN path

-- K_SHORTEST_PATHS ❌ NICHT IMPLEMENTIERT
FOR path IN K_SHORTEST_PATHS(start, end, 5, { edgeCollection: "edges" })
  RETURN path

-- WEIGHTED_SHORTEST_PATH ❌ NICHT IMPLEMENTIERT
LET path = WEIGHTED_SHORTEST_PATH(start, end, "distance")

-- PATH_LENGTH() / PATH_VERTICES() / PATH_EDGES() ❌ NICHT IMPLEMENTIERT
LET len = PATH_LENGTH(path)
LET nodes = PATH_VERTICES(path)
LET rels = PATH_EDGES(path)

-- Graph Algorithms als Funktionen ❌ NICHT IMPLEMENTIERT
LET communities = LOUVAIN_COMMUNITIES(graph)
LET centrality = BETWEENNESS_CENTRALITY(graph)
LET closeness = CLOSENESS_CENTRALITY(graph)

Status: Diese erweiterten Graph-Funktionen sind im Sourcecode nicht vorhanden. Hinweis: Basis-Graph-Traversierung (FOR v IN 1..n OUTBOUND/INBOUND/ANY) und SHORTEST_PATH sind implementiert (siehe Sektion 1.4) Quelle überprüft: /src/query/, /include/query/

2.3 ❌ Enterprise - NICHT IMPLEMENTIERT (zuvor fälschlicherweise als ✅ markiert)

Vektor/AI-Erweiterungen ❌

-- VECTOR_DISTANCE() - Verschiedene Metriken ❌ NICHT IMPLEMENTIERT
LET dist = COSINE_SIMILARITY(vec1, vec2)
LET dist = EUCLIDEAN_DISTANCE(vec1, vec2)

-- VECTOR_NORMALIZE() ❌ NICHT IMPLEMENTIERT
LET normalized = L2_NORMALIZE(vec)

-- HYBRID_SEARCH() - Kombination von Vektor + Keyword ❌ NICHT IMPLEMENTIERT
FOR doc IN HYBRID_SEARCH(collection, query, vectorField, textField, {
  vectorWeight: 0.7,
  textWeight: 0.3
})
  RETURN doc

-- RERANK() - Ergebnisse neu ordnen ❌ NICHT IMPLEMENTIERT
LET reranked = RERANK(results, query, "cross-encoder")

-- EMBED() - Text zu Vektor ❌ NICHT IMPLEMENTIERT
LET embedding = EMBED("This is a text", "text-embedding-3-small")

-- CLASSIFY() - Textklassifikation ❌ NICHT IMPLEMENTIERT
LET result = CLASSIFY(text, ["positive", "negative", "neutral"])

-- EXTRACT_ENTITIES() - NER ❌ NICHT IMPLEMENTIERT
LET entities = EXTRACT_ENTITIES(text, ["PERSON", "ORG", "LOCATION"])

Status: Diese Funktionen sind im Sourcecode nicht vorhanden. Hinweis: Basis-Vektor-Funktionen SIMILARITY() und PROXIMITY() sind implementiert (siehe Sektion 1.3) Quelle überprüft: /src/query/let_evaluator.cpp, /src/query/aql_translator.cpp

Geo-Erweiterungen (von PostGIS)

-- GEO_DISTANCE() - Haversine/Vincenty
LET km = GEO_DISTANCE(point1, point2, "km")

-- GEO_AREA() / GEO_LENGTH()
LET area = GEO_AREA(polygon)
LET length = GEO_LENGTH(linestring)

-- GEO_CENTROID()
LET center = GEO_CENTROID(polygon)

-- GEO_SIMPLIFY() - Geometrie vereinfachen
LET simple = GEO_SIMPLIFY(complexPolygon, 0.001)

-- GEO_VORONOI() / GEO_DELAUNAY()
LET voronoi = GEO_VORONOI(points)

-- H3_TO_GEO() / GEO_TO_H3() - H3 Hexagons
LET h3Index = GEO_TO_H3(point, 9)
LET center = H3_TO_GEO(h3Index)

-- ISOCHRONE() - Erreichbarkeitsanalyse
LET reachable = ISOCHRONE(point, 30, "minutes", "driving")

JSON/Dokument-Erweiterungen (von PostgreSQL/PartiQL)

-- JSON_EXTRACT() / JSON_SET() / JSON_REMOVE()
LET value = JSON_EXTRACT(doc, "$.nested.field")
LET modified = JSON_SET(doc, "$.new.path", value)
LET cleaned = JSON_REMOVE(doc, "$.sensitive")

-- JSON_TYPE()
LET type = JSON_TYPE(doc.field)  -- "object", "array", "string", etc.

-- JSON_KEYS() / JSON_VALUES()
LET keys = JSON_KEYS(doc.metadata)

-- JSON_ARRAY_LENGTH()
LET len = JSON_ARRAY_LENGTH(doc.items)

-- JSON_CONTAINS() / JSON_OVERLAPS()
FILTER JSON_CONTAINS(doc.tags, ["a", "b"])

-- Tief verschachtelte Pfade
FOR item IN doc.orders[*].items[*]
  FILTER item.price > 100
  RETURN item

Statistische Funktionen (von R/Python)

-- Aggregationen
AGGREGATE {
  mean: AVG(doc.value),
  median: MEDIAN(doc.value),
  mode: MODE(doc.category),
  stddev: STDDEV(doc.value),
  variance: VARIANCE(doc.value),
  percentile_90: PERCENTILE(doc.value, 0.9),
  iqr: IQR(doc.value)
}

-- Korrelation
LET corr = CORRELATION(xValues, yValues)

-- Regression
LET regression = LINEAR_REGRESSION(xValues, yValues)

-- Histogramm
LET hist = HISTOGRAM(doc.age, { bins: 10 })

-- Sampling
FOR doc IN SAMPLE(collection, 1000)
  RETURN doc

-- RANDOM()
LET random = RANDOM()
LET randomInt = RANDOM_INT(1, 100)

---

3. Syntax-Erweiterungen

3.1 Optionale Parameter-Syntax

-- OPTIONS Block für Funktionen
FOR v IN 1..5 OUTBOUND start edges
  OPTIONS { 
    bfs: true, 
    uniqueVertices: "global",
    maxDepth: 10 
  }
  RETURN v

-- Named Parameters
LET result = SIMILARITY(
  doc._embedding, 
  queryVector, 
  k: 10, 
  metric: "cosine",
  filter: { category: "electronics" }
)

3.2 Subquery-Verbesserungen

-- EXISTS Subquery
FOR doc IN orders
  FILTER EXISTS (
    FOR item IN doc.items
      FILTER item.product == "special"
      LIMIT 1
      RETURN true
  )
  RETURN doc

-- NOT EXISTS
FOR customer IN customers
  FILTER NOT EXISTS (
    FOR order IN orders
      FILTER order.customerId == customer._key
      LIMIT 1
      RETURN true
  )
  RETURN customer

-- Scalar Subquery
FOR doc IN documents
  LET itemCount = (
    FOR item IN doc.items
      COLLECT WITH COUNT INTO c
      RETURN c
  )[0]
  RETURN { doc, itemCount }

3.3 UPSERT / MERGE

-- UPSERT (Insert or Update)
UPSERT { email: "user@example.com" }
INSERT { email: "user@example.com", name: "New User", created: DATE_NOW() }
UPDATE { lastLogin: DATE_NOW(), loginCount: OLD.loginCount + 1 }
IN users

-- MERGE INTO (SQL-Style)
MERGE INTO target
USING source ON target.id = source.id
WHEN MATCHED THEN UPDATE SET target.value = source.value
WHEN NOT MATCHED THEN INSERT source

3.4 Transaktionale Kontrolle

-- Explizite Transaktion
BEGIN TRANSACTION
  INSERT { ... } INTO collection1
  UPDATE { ... } IN collection2 WITH { ... }
  REMOVE "key" FROM collection3
COMMIT

-- Savepoints
BEGIN TRANSACTION
  INSERT { ... } INTO collection1
  SAVEPOINT sp1
  INSERT { ... } INTO collection2
  ROLLBACK TO sp1  -- Nur zweites INSERT rückgängig
COMMIT

---

4. Implementierungs-Roadmap (Korrigiert basierend auf tatsächlichem Stand)

Hinweis: Diese Roadmap wurde aktualisiert, um den tatsächlichen Implementierungsstand zu reflektieren. Viele als "implementiert" markierte Funktionen sind noch nicht vorhanden.

✅ Bereits Implementiert (abgeschlossen):

• Basis-String-Funktionen: LENGTH, CONCAT, SUBSTRING, UPPER, LOWER
• Mathematische Funktionen: ABS, CEIL, FLOOR, ROUND, MIN, MAX
• Geo/Spatial-Funktionen: ST_Point, ST_Distance, ST_Within, ST_Contains, ST_Intersects, etc.
• Vektor-Funktionen: SIMILARITY, PROXIMITY
• Graph-Traversierung: FOR v IN 1..n OUTBOUND/INBOUND/ANY, SHORTEST_PATH
• Aggregation: COLLECT, COUNT, SUM, AVG
• Window Functions: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD

Phase 1: Basis-Funktionen (Q1 2025) - NOCH ZU IMPLEMENTIEREN

• DOCUMENT(), MERGE(), UNSET(), KEEP()
• HAS(), ATTRIBUTES(), VALUES()
• Array-Funktionen (FLATTEN, UNIQUE, UNION, INTERSECTION, MINUS, FIRST, LAST, NTH, SLICE, REVERSE, SORTED, SORTED_UNIQUE, CONTAINS_ARRAY)
• DATE_* Funktionen (alle): DATE_NOW, DATE_ISO8601, DATE_TIMESTAMP, DATE_YEAR, DATE_MONTH, DATE_DAY, DATE_HOUR, DATE_MINUTE, DATE_SECOND, DATE_ADD, DATE_SUBTRACT, DATE_DIFF, DATE_TRUNC, DATE_FORMAT, DATE_COMPARE

Priorität: HOCH - Diese sind Basis-Funktionalität für Dokument-Datenbanken
Aufwand: MITTEL - Können mit Standard-Bibliotheken implementiert werden

Phase 2: Text & Suche (Q2 2025) - NOCH ZU IMPLEMENTIEREN

• FULLTEXT(), PHRASE()
• TOKENS(), NGRAM_MATCH()
• REGEX_TEST(), REGEX_MATCHES(), REGEX_REPLACE()
• LEVENSHTEIN_DISTANCE()
• SOUNDEX(), METAPHONE()
• LIKE mit Wildcards

Priorität: HOCH - Wichtig für Text-Suchfunktionalität
Aufwand: HOCH - FULLTEXT benötigt Text-Indexierung

Phase 3: Window Functions Erweiterungen (Q2 2025) - TEILWEISE ZU IMPLEMENTIEREN

• ROW_NUMBER(), RANK(), DENSE_RANK() - ✅ Implementiert
• LAG(), LEAD() - ✅ Implementiert
• Running Aggregates (SUM/AVG/COUNT OVER)
• NTILE(), PERCENT_RANK()
• MEDIAN(), PERCENTILE()

Priorität: MITTEL - Erweitert vorhandene Window Functions
Aufwand: MITTEL

Phase 4: Graph-Erweiterungen (Q3 2025) - NOCH ZU IMPLEMENTIEREN

• Basis-Traversierung (OUTBOUND/INBOUND/ANY) - ✅ Implementiert
• SHORTEST_PATH - ✅ Implementiert
• Pattern Matching (MATCH Syntax)
• ALL_SHORTEST_PATHS, K_SHORTEST_PATHS
• WEIGHTED_SHORTEST_PATH
• PATH_LENGTH(), PATH_VERTICES(), PATH_EDGES()
• Graph-Algorithmen als Funktionen (LOUVAIN_COMMUNITIES, BETWEENNESS_CENTRALITY, etc.)

Priorität: MITTEL - Erweitert vorhandene Graph-Funktionalität
Aufwand: HOCH - Benötigt Graph-Algorithmen-Bibliothek

Phase 5: Vektor & AI (Q3 2025) - NOCH ZU IMPLEMENTIEREN

• Basis-SIMILARITY() - ✅ Implementiert
• VECTOR_DISTANCE() mit verschiedenen Metriken (COSINE_SIMILARITY, EUCLIDEAN_DISTANCE)
• VECTOR_NORMALIZE(), L2_NORMALIZE()
• HYBRID_SEARCH()
• EMBED()
• RERANK()
• CLASSIFY()
• EXTRACT_ENTITIES()

Priorität: NIEDRIG - Enterprise-Features
Aufwand: SEHR HOCH - Benötigt ML-Framework-Integration

Phase 6: Advanced (Q4 2025) - NOCH ZU IMPLEMENTIEREN

• Statistische Funktionen (MODE, STDDEV, VARIANCE, CORRELATION, LINEAR_REGRESSION, HISTOGRAM)
• RANDOM(), RANDOM_INT(), SAMPLE()
• Erweiterte Geo-Funktionen (GEO_DISTANCE, GEO_AREA, H3_*, etc.)
• JSON_* Funktionen (JSON_EXTRACT, JSON_SET, JSON_TYPE, etc.)
• UPSERT/MERGE Syntax
• EXISTS/NOT EXISTS Subqueries
• Transaktionale Kontrolle (BEGIN/COMMIT/ROLLBACK)

Priorität: NIEDRIG - Nice-to-have Features
Aufwand: VARIABEL (JSON: MITTEL, Transaktionen: SEHR HOCH)

---

5. Kompatibilitäts-Matrix (Korrigiert - Tatsächlicher Stand)

Feature	ArangoDB	Neo4j	PostgreSQL	MongoDB	ThemisDB (alt)	ThemisDB (neu)
FOR/FILTER/RETURN	✅	❌	❌	❌	✅	✅
Graph Traversal (Basis)	✅	✅	❌	✅	✅	✅
Pattern Matching	❌	✅	❌	❌	🔜	❌
Window Functions	❌	❌	✅	✅	🔜	✅
FULLTEXT	✅	✅	✅	✅	🔜	❌
Vector Search	❌	✅	✅	✅	✅	✅ (Basis)
Geo/Spatial	✅	✅	✅	✅	✅	✅
Aggregation	✅	✅	✅	✅	✅	✅
Subqueries	✅	✅	✅	✅	✅	✅
Array Functions	✅	❌	✅	✅	✅	❌
Date/Time Functions	✅	✅	✅	✅	✅	❌
Document Functions	✅	❌	❌	✅	✅	❌
Graph Algorithms	✅	✅	❌	❌	✅	❌
UPSERT	✅	✅	✅	✅	🔜	❌

Legende:

• ✅ = Vorhanden und funktionsfähig
• ❌ = Nicht vorhanden
• 🔜 = War als "geplant" markiert, aber nicht implementiert
• (Basis) = Nur grundlegende Funktionalität

Änderungen zwischen "ThemisDB (alt)" und "ThemisDB (neu)":

• Array Functions: ✅ → ❌ (dokumentiert aber nicht implementiert)
• Date/Time Functions: ✅ → ❌ (dokumentiert aber nicht implementiert)
• Document Functions: ✅ → ❌ (dokumentiert aber nicht implementiert)
• Graph Algorithms: ✅ → ❌ (dokumentiert aber nicht implementiert)
• Window Functions: 🔜 → ✅ (tatsächlich implementiert!)
• Pattern Matching: 🔜 → ❌ (geplant, nicht implementiert)
• FULLTEXT: 🔜 → ❌ (geplant, nicht implementiert)
• UPSERT: 🔜 → ❌ (geplant, nicht implementiert)

Tatsächliche Stärken von ThemisDB (Stand Dez. 2024):

1. ✅ Robuste Basis-Abfragesprache (FOR/FILTER/RETURN)
2. ✅ Funktionierende Graph-Traversierung (OUTBOUND/INBOUND/ANY, SHORTEST_PATH)
3. ✅ Umfassende Geo/Spatial-Unterstützung (inkl. 3D)
4. ✅ Basis-Vektor-Suche (SIMILARITY, PROXIMITY)
5. ✅ Window Functions (ROW_NUMBER, RANK, LAG, LEAD)
6. ✅ Basis-Aggregation (COLLECT, COUNT, SUM, AVG)

Hauptlücken (im Vergleich zu ArangoDB/MongoDB):

1. ❌ Keine Array-Funktionen (FLATTEN, UNIQUE, etc.)
2. ❌ Keine Datum/Zeit-Funktionen
3. ❌ Keine Dokument-Funktionen (MERGE, UNSET, etc.)
4. ❌ Keine Volltext-Suche
5. ❌ Keine erweiterten Graph-Algorithmen