บทที่ 0 — Database คืออะไร และทำไมต้องมี

สารบัญ | บทถัดไป →

1. ปัญหาก่อนมี Database

ลองคิดดู — ถ้าเราจะเก็บข้อมูล user 1 ล้านคน:

วิธี 1: ไฟล์ text

users.txt:
1,anna@example.com,Anna,25
2,ben@example.com,Ben,30
3,carol@example.com,Carol,28
...

ปัญหา:

หา user คนหนึ่ง → อ่านไฟล์ทั้งไฟล์ (ช้า)
2 คน edit พร้อมกัน → ทับกัน
ไฟล์พัง → ข้อมูลหายหมด
ไม่มี structure ที่บังคับ (insert "abc,xyz" ก็ได้)
ทำ join กับไฟล์อื่นยาก
ไม่มี backup เป็นระบบ

วิธี 2: JSON file

json

[
  {"id": 1, "email": "anna@example.com", "name": "Anna", "age": 25},
  ...
]

ยังเจอปัญหาเหมือนเดิม

Database = software ที่ออกแบบมาแก้ปัญหาเหล่านี้ทั้งหมด:

✅ เก็บ + ค้น data ได้เร็วแม้มีหลายร้อยล้านแถว
✅ หลายคนใช้พร้อมกันได้ (concurrency (คอน-เคอ-เรน-ซี) = การทำงานพร้อมกันหลายคน/หลายงาน)
✅ Crash → ข้อมูลไม่หาย (durability = ความคงทน — COMMIT แล้วข้อมูลอยู่ถาวรแม้ไฟดับ/เครื่องพัง)
✅ บังคับ structure (schema)
✅ Join data หลายตาราง
✅ Backup, replication, security

2. ประเภท Database

A. Relational (SQL) Database — RDBMS

เก็บเป็น table ที่มี row + column
ใช้ SQL (Structured Query Language)
มี schema บังคับ (column ไหนเก็บอะไร)
มี relation ระหว่าง table

ตัวอย่าง: PostgreSQL, MySQL, SQL Server, Oracle, SQLite

B. NoSQL Database

ประเภท	เก็บยังไง (อธิบายง่าย)	ตัวอย่าง	ใช้เมื่อ
Document	เก็บข้อมูลเป็นก้อน JSON 1 ก้อนต่อ 1 record	MongoDB, CouchDB	schema ยืดหยุ่น, nested data
Key-Value	จับคู่ key → value เหมือน dictionary	Redis, DynamoDB	cache, session, queue
Column-family	เก็บแยกเป็น column ทำให้เขียน/อ่าน column ใหญ่ ๆ เร็ว	Cassandra (แคส-ซาน-ดร้า), HBase (เอช-เบส)	write-heavy, time series
Graph	เก็บเป็นจุด (node) + เส้นเชื่อม (edge)	Neo4j (นี-โอ-โฟร์-เจ), Dgraph	social network, recommendation
Time-series	optimize เฉพาะข้อมูลที่มี timestamp (IoT, log, metric)	TimescaleDB, InfluxDB v3, QuestDB	IoT, observability, monitoring
Vector	เก็บ vector ที่ AI แปลงข้อความ/รูปเป็นตัวเลข เพื่อค้น "ความหมาย"	Pinecone, Qdrant (คิว-ดรานท์), Milvus, Weaviate, Turbopuffer, pgvector	AI search, RAG (Retrieval-Augmented Generation — ระบบ AI ที่ค้นข้อมูลก่อนตอบ)

3. SQL vs NoSQL — เลือกยังไง

	SQL	NoSQL
Structure	rigid schema	flexible
Relation	ดี (JOIN)	จำกัด
Scale	vertical (ดูหมายเหตุด้านล่าง)	horizontal
ACID	strong	eventual consistency (มัก)
Use case	banking, e-commerce, CRM (Customer Relationship Management — ระบบจัดการลูกค้า)	social feed, log, cache
Query language	SQL (standard)	ต่างกันทุกตัว

📖 คำศัพท์ในตาราง — แยกศัพท์กับคำอธิบายให้อ่านง่าย:
vertical scale (เวอร์-ทิ-คอล สเกล) = ขยายแนวตั้ง — เพิ่มสเปกเครื่องเดิม CPU/RAM ให้ใหญ่ขึ้น
horizontal scale (ฮอ-ริ-ซอน-ทอล สเกล) = ขยายแนวนอน — เพิ่มจำนวนเครื่อง/server
ACID (แอซิด) = 4 คุณสมบัติของ transaction (บทที่ 5 จะอธิบาย)
eventual consistency (อี-เวน-ชวล คอน-ซิส-เทน-ซี) = "สุดท้ายข้อมูลจะตรงกัน" แต่ช่วงสั้น ๆ หลังเขียน แต่ละ server อาจเห็นค่าไม่ตรงกันชั่วคราว
sharding (ชาร์-ดิ้ง) = แบ่ง data ออกเป็นชิ้น ๆ ไปเก็บคนละ server
replication (เรพ-ลิ-เค-ชัน) = สำเนาข้อมูลข้าม server เพื่อกระจายโหลด/กัน data หาย

🟡 หมายเหตุเรื่อง scale (2026): ตาราง "SQL = vertical, NoSQL = horizontal" เป็นภาพแบบดั้งเดิมของ single-node SQL ปัจจุบันมี distributed SQL ที่ทำ horizontal scale ได้ (มี sharding/replication built-in) — ตัวอย่าง:
Amazon Aurora (ออ-โร-ร่า) — managed PostgreSQL/MySQL บน AWS
Citus (ไซ-ตัส) — extension ของ Postgres ทำ sharding
CockroachDB (ค็อก-โรช-ดี-บี) — Postgres-compatible distributed SQL
Google Spanner (สแปน-เนอร์) — distributed SQL ของ Google
YugabyteDB (ยู-กา-ไบต์-ดี-บี) — Postgres-compatible distributed SQL
Vitess (วิ-เทส) — sharding สำหรับ MySQL เท่านั้น (ไม่ใช่ Postgres — ใช้ใน YouTube, Slack)
ดังนั้นข้อจำกัดเรื่อง scale ของ SQL ในปี 2026 ไม่ได้แข็งเหมือนสมัยก่อน (last reviewed: 2026-06)

กฎทอง สำหรับมือใหม่:

เริ่มด้วย SQL (PostgreSQL) — 95% ของ app ใช้ได้
ใช้ NoSQL เมื่อมี use case ชัดเจน:
- Cache → Redis
- Search → Elasticsearch
- Real-time chat / feed → MongoDB
- AI embedding (เอ็ม-เบด-ดิ้ง — vector ที่ AI แปลงข้อความเป็นตัวเลข เพื่อค้นความหมาย) → pgvector (พี-จี-เวก-เตอร์ — extension ของ Postgres, extension = plugin เสริมความสามารถของ Postgres) หรือ Qdrant

"Pick boring technology" — Dan McKinley (แปล: "เลือกเทคโนโลยีที่น่าเบื่อ" — ในที่นี้ "boring" ไม่ได้แปลว่าน่าเบื่อในแง่ลบ แต่หมายถึง "ของที่นิ่ง พิสูจน์แล้ว ไม่มี surprise" — ตรงข้ามกับเทคโนโลยีใหม่ที่ตื่นเต้นแต่ยังมีบั๊ก) PostgreSQL "boring" แต่ปลอดภัย + flexible + รองรับ JSON ถ้าต้องการ

4. RDBMS Landscape — เลือกตัวไหน?

	จุดเด่น	จุดอ่อน	License
PostgreSQL ⭐	feature เยอะที่สุด (JSONB, GIS, full-text), open-source, รองรับ extension	learning curve สูงเล็กน้อย	free
MySQL	popularity สูง, replication ง่าย	bug + edge case แปลก ๆ	free (Oracle ดูแล)
MariaDB	fork ของ MySQL — community-driven	ecosystem/tooling รอบ Oracle MySQL ยังใหญ่กว่า	free
SQLite	embedded, ไม่ต้อง server, ไฟล์เดียว	ไม่ scalable, ไม่ multi-user	free
SQL Server	enterprise + Windows + integration ดี	paid, lock-in MS	paid
Oracle DB	enterprise + feature ครบ	paid + แพง + ซับซ้อน	paid

ปี 2026 มือใหม่: ใช้ PostgreSQL ครับ — ฟรี + features ครบ + community ใหญ่

📌 Version stamp: ตัวอย่าง SQL ในเล่มนี้ใช้ PostgreSQL 17 เป็นหลัก (Docker image postgres:17-alpine — GA กันยายน 2024) feature ส่วนใหญ่ทำงานได้ตั้งแต่ PG 15 ขึ้นไป (PG 14 EOL พฤศจิกายน 2026; PG 16 ยัง supported) — ก่อนนำไปใช้บน production แนะนำตรวจ release notes ของ Postgres เพื่อยืนยัน syntax/behavior ตาม minor version ที่คุณใช้
สำหรับ MySQL หนังสือเล่มนี้อ้างอิง MySQL 8.4 LTS (เมษายน 2024) — MySQL 8.0 EOL เมษายน 2026 (last reviewed: 2026-06)

5. คำศัพท์พื้นฐาน

🔑 ก่อนเริ่ม — ในศัพท์ DB คำว่า "key" ไม่ใช่แค่ "ชื่อ column" (อย่างที่ Excel เรียก) แต่หมายถึง column ที่ทำหน้าที่พิเศษ — ระบุตัวตน ของ row (Primary Key) หรือ ชี้ไปแถวอื่น (Foreign Key)

คำ	คำอ่าน	ความหมาย
Database	เด-ต้า-เบส	container ที่เก็บ table หลาย ๆ ตาราง
Table	เท-เบิล	"ตาราง" ใน excel — row + column
Row / Record	โรว / เร็ค-คอร์ด	1 แถว = 1 entity (1 user, 1 order)
Column / Field	คอ-ลัมน์ / ฟิลด์	1 attribute (email, name, age)
Primary Key	ไพร-มา-รี คีย์	column ที่ระบุตัวตน 1 row (ไม่ซ้ำ, ไม่ null)
Foreign Key	ฟอ-เริน คีย์	column ที่ชี้ไปยัง Primary Key ของ table อื่น
Index	อิน-เด็กซ์	data structure ช่วย lookup เร็ว (เหมือน index หนังสือ)
Query	คิว-เออ-รี	คำสั่ง SQL ที่เราเขียน
Schema	สคี-ม่า	"โครงสร้าง" ของ database (table + column + type)
Transaction	ทราน-แซก-ชัน	กลุ่มคำสั่งที่ทำสำเร็จร่วมกัน หรือ rollback ทั้งหมด
DDL	ดี-ดี-แอล	Data Definition Language — CREATE/ALTER/DROP
DML	ดี-เอ็ม-แอล	Data Manipulation Language — SELECT/INSERT/UPDATE/DELETE

6. ตัวอย่าง — โครงสร้าง Table

table: users
┌────┬───────────────────┬───────┬─────┬─────────────────────┐
│ id │ email             │ name  │ age │ created_at          │
├────┼───────────────────┼───────┼─────┼─────────────────────┤
│ 1  │ anna@example.com  │ Anna  │ 25  │ 2026-01-15 10:00:00 │
│ 2  │ ben@example.com   │ Ben   │ 30  │ 2026-01-16 14:30:00 │
│ 3  │ carol@example.com │ Carol │ 28  │ 2026-02-01 09:15:00 │
└────┴───────────────────┴───────┴─────┴─────────────────────┘
   ▲
   │
Primary Key (unique, ไม่ซ้ำ, ไม่ null)

table: orders
┌────┬─────────┬────────┬─────────────────────┐
│ id │ user_id │ total  │ created_at          │
├────┼─────────┼────────┼─────────────────────┤
│ 10 │ 1       │ 99.50  │ 2026-02-10 11:00:00 │
│ 11 │ 1       │ 250.00 │ 2026-02-15 16:20:00 │
│ 12 │ 2       │ 50.00  │ 2026-03-01 10:00:00 │
└────┴─────────┴────────┴─────────────────────┘
            ▲
            │
Foreign Key → users.id

→ user_id ใน orders อ้างถึง id ใน users = "order นี้เป็นของ user คนไหน"

7. PostgreSQL — Setup

ก่อนจะเขียน SQL ต้องมี database ให้เล่นก่อน — หนังสือนี้ใช้ PostgreSQL ติดตั้งได้ 2 ทาง: Docker (แนะนำสำหรับ dev เพราะลบ/สร้างใหม่ง่าย ไม่รก OS) หรือ install ตรงบน OS เลือกทางที่สะดวก แล้วทุกตัวอย่างในเล่มจะรันตามได้:

Option A: Docker (recommended สำหรับ dev)

⚠️ ก่อนรัน — ถ้ายังไม่รู้จัก Docker ให้ข้ามไป Option B ก่อน (Docker เป็นเครื่องมือรัน software ในกล่องเล็ก ๆ ที่เรียกว่า container แยกจาก OS — เหมาะกับ dev เพราะลบ/สร้างใหม่ง่าย ไม่รก OS) ถ้าจะใช้ Option A ต้องติดตั้ง Docker Desktop ก่อน → docker.com/products/docker-desktop

yaml

# docker-compose.yml
services:                                # services = list ของ container ที่จะรัน
  db:                                    # ชื่อ service (ใช้เรียกจาก container อื่น)
    image: postgres:17-alpine            # image = template ที่จะรัน (postgres 17 ตัวเล็ก alpine)
    environment:                         # environment variable ที่ส่งให้ container
      POSTGRES_DB: learning              # ชื่อ database ที่จะสร้าง
      POSTGRES_USER: dev                 # ชื่อ user
      POSTGRES_PASSWORD: secret          # ⚠️ DEV ONLY — production ห้ามใช้ password อ่อนแบบนี้
    ports:                               # ports = แมป port ของ container → port ของเครื่อง
      - "5432:5432"                      # "เครื่อง:container" — 5432 คือ port มาตรฐาน Postgres
    volumes:                             # volumes = พื้นที่เก็บ data ถาวร (ไม่หายตอน restart)
      - pgdata:/var/lib/postgresql/data  # ชื่อ volume : path ใน container

volumes:
  pgdata:                                # ประกาศ named volume ให้ Docker จัดการ

bash

docker compose up -d   # -d = ทำงานเบื้องหลัง (detached)

⚠️ Production: password secret ในตัวอย่างเป็น dev-only — production ต้องใช้ secret manager (AWS Secrets Manager, Vault, ฯลฯ) อย่า hard-code password ใน docker-compose ที่ commit ขึ้น git

Option B: Install บน OS

macOS: brew install postgresql@17
Windows: installer ที่ postgresql.org
Linux (Debian/Ubuntu): sudo apt install postgresql-17 — ⚠️ default apt repo อาจมีแค่ version เก่ากว่า ต้องตั้ง PGDG apt repo ก่อน → ดู postgresql.org/download/linux

8. GUI Tool — เลือก 1 ตัว

Tool	ฟรี?	ระบบ
DBeaver ⭐	ฟรี (Community)	Mac/Win/Linux — รองรับ DB หลายตัว
pgAdmin	ฟรี	Postgres เท่านั้น
DataGrip	paid	JetBrains — ดีที่สุดถ้าจ่ายได้
TablePlus	ฟรี (limited)	Mac/Win — UI สวย

ใช้ DBeaver ในหนังสือนี้ — ขั้นตอน connect ครั้งแรก:

เปิด DBeaver → คลิกเมนู Database > New Database Connection (หรือกดไอคอน "+" ที่มุมบนซ้าย)
เลือก PostgreSQL → คลิก Next
กรอกข้อมูลในแท็บ Main:
- Host: localhost
- Port: 5432
- Database: learning
- Username: dev
- Password: secret
คลิก Test Connection — ถ้าขึ้น "Connected" แสดงว่า OK → คลิก Finish

(ครั้งแรก DBeaver อาจถามให้ดาวน์โหลด JDBC driver ของ PostgreSQL — กด Download รอสักครู่)

9. CLI — psql

นอกจาก GUI แล้ว PostgreSQL มี CLI ชื่อ psql ที่ควรใช้เป็น — เร็วกว่าตอนทำงานบนเซิร์ฟเวอร์ที่ไม่มี GUI และมีคำสั่ง backslash (เครื่องหมาย \ — แบ็คสแลช, อยู่บนคีย์บอร์ดเหนือปุ่ม Enter) เช่น \dt, \d, \l สำหรับสำรวจ schema ส่วนนี้รวมคำสั่งที่ใช้บ่อย:

bash

# เข้าผ่าน docker
docker compose exec db psql -U dev -d learning

# หรือถ้า install บน host
psql -U dev -d learning

# คำสั่งใน psql
\dt          # list tables
\d users     # describe table
\l           # list databases
\c learning  # connect to database
\q           # quit

10. Hello, Database!

ลองครบวงจรแรกกัน — สร้าง table, เพิ่มข้อมูล, แล้ว query ออกมา เพื่อให้เห็นว่า database ทำงานยังไงตั้งแต่ต้นจนจบในไม่กี่บรรทัด ก่อนจะลงรายละเอียดแต่ละคำสั่งในบทถัด ๆ ไป:

💡 อย่ากังวลกับ keyword พวก SERIAL, VARCHAR, UNIQUE, NOT NULL, TIMESTAMP, DEFAULT NOW() — บทที่ 1 จะอธิบายทุกตัว ที่นี่แค่อยากให้เห็นภาพรวม โค้ดสรุปสั้น ๆ:
SERIAL = เลขที่ DB นับเองอัตโนมัติ 1, 2, 3, ... (รุ่นใหม่แนะนำใช้ GENERATED ALWAYS AS IDENTITY แทน — บทที่ 1)
VARCHAR(255) = string ยาวไม่เกิน 255 ตัวอักษร
UNIQUE = ห้ามซ้ำในตาราง
NOT NULL = ห้ามเป็นค่าว่าง
INTEGER = ตัวเลขจำนวนเต็ม
TIMESTAMP DEFAULT NOW() = เวลาปัจจุบัน ถ้าไม่ใส่ค่าเอง

sql

-- สร้าง table
CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    email VARCHAR(255) UNIQUE NOT NULL,
    name VARCHAR(100) NOT NULL,
    age INTEGER,
    created_at TIMESTAMP DEFAULT NOW()
);

-- เพิ่มข้อมูล
INSERT INTO users (email, name, age) VALUES
    ('anna@example.com', 'Anna', 25),
    ('ben@example.com', 'Ben', 30);

-- ดึงข้อมูล
SELECT * FROM users;

-- ผลลัพธ์:
--  id │      email        │ name │ age │     created_at      
-- ────┼───────────────────┼──────┼─────┼─────────────────────
--   1 │ anna@example.com  │ Anna │  25 │ 2026-05-18 10:00:00
--   2 │ ben@example.com   │ Ben  │  30 │ 2026-05-18 10:00:00

ทำได้ → พร้อมเริ่มบทถัดไป

11. Mental Model ที่จะใช้ตลอดเล่ม

ทุกครั้งที่เขียน query — คิดว่า:

What table? — query ตัวไหน
What rows? — filter ด้วย WHERE
What columns? — select column ไหนบ้าง
In what order? — ORDER BY
How many? — LIMIT

sql

SELECT name, email        -- 3. column
FROM users                -- 1. table
WHERE age > 18            -- 2. filter
ORDER BY created_at DESC  -- 4. order
LIMIT 10;                 -- 5. count

Database ทำงานในลำดับ:

FROM → WHERE → GROUP BY → HAVING → SELECT → DISTINCT → ORDER BY → LIMIT

💡 อ่านผ่าน ๆ ก่อน — GROUP BY, HAVING, DISTINCT ยังไม่ได้สอน — บทถัดไป (1) จะอธิบาย DISTINCT บทที่ 3 จะอธิบาย GROUP BY/HAVING ที่นี่แค่อยากให้รู้ว่า "DB รันคำสั่งตามลำดับนี้ ไม่ใช่ตามที่เราเขียน"

SELECT ไม่ใช่ขั้นตอนแรก! — DB รัน WHERE ก่อน SELECT ลำดับเหตุการณ์เป็นแบบนี้:

WHERE ทำงานก่อน SELECT
ตอนนั้น alias (ชื่อเล่นที่ตั้งใน SELECT ด้วย AS) ยังไม่ถูกสร้าง
จึงใช้ alias ใน WHERE ไม่ได้

sql

-- ❌ error: WHERE ทำงานก่อน SELECT → ไม่รู้จัก "age_next"
SELECT age + 1 AS age_next FROM users WHERE age_next > 20;

-- ✅ ถูก: เขียน expression เต็มใน WHERE
SELECT age + 1 AS age_next FROM users WHERE age + 1 > 20;

12. Checkpoint

🛠️ Checkpoint 0.1 — Setup
ติดตั้ง PostgreSQL + DBeaver → connect ได้ → รัน SELECT version(); → เห็น version

🛠️ Checkpoint 0.2 — First Table
สร้าง table books:

id (Primary Key, auto increment)
title (String, required)
author (String, required)
published_year (Integer)
created_at (Timestamp, default now)

Insert 5 row → SELECT ทั้งหมด → ลบ 1 row → ดูอีกที

13. สรุปบท

✅ Database = software ที่จัดการข้อมูลให้ปลอดภัย + เร็ว + concurrent
✅ SQL (PostgreSQL/MySQL) vs NoSQL (MongoDB/Redis) — ใช้ต่างกัน
✅ มือใหม่ → เริ่มด้วย PostgreSQL — boring but reliable
✅ Table = row + column, มี Primary Key + Foreign Key
✅ Database ทำงานในลำดับ: FROM → WHERE → GROUP → HAVING → SELECT → ORDER → LIMIT
✅ Setup: Docker (postgres:17-alpine) + DBeaver

บทถัดไป → SQL พื้นฐาน

🔤 Glossary · 📋 Style guide · 📅 last_verified: 2026-06-03

บทที่ 0 — Database คืออะไร และทำไมต้องมี ​

1. ปัญหาก่อนมี Database ​

2. ประเภท Database ​

A. Relational (SQL) Database — RDBMS ​

B. NoSQL Database ​

3. SQL vs NoSQL — เลือกยังไง ​

4. RDBMS Landscape — เลือกตัวไหน? ​

5. คำศัพท์พื้นฐาน ​

6. ตัวอย่าง — โครงสร้าง Table ​

7. PostgreSQL — Setup ​

Option A: Docker (recommended สำหรับ dev) ​

Option B: Install บน OS ​

8. GUI Tool — เลือก 1 ตัว ​

9. CLI — psql ​

10. Hello, Database! ​

11. Mental Model ที่จะใช้ตลอดเล่ม ​

12. Checkpoint ​

13. สรุปบท ​