# การทำงานกับข้อมูล: ฐานข้อมูลเชิงสัมพันธ์

|![ Sketchnote โดย [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/05-RelationalData.png)|
|:---:|
| การทำงานกับข้อมูล: ฐานข้อมูลเชิงสัมพันธ์ - _Sketchnote โดย [@nitya](https://twitter.com/nitya)_ |

มีโอกาสที่คุณเคยใช้สเปรดชีตในอดีตเพื่อเก็บข้อมูล คุณมีชุดของแถวและคอลัมน์ โดยที่แถวเก็บข้อมูล (หรือข้อมูล) และคอลัมน์อธิบายข้อมูล (บางครั้งเรียกว่าข้อมูลเมตา) ฐานข้อมูลเชิงสัมพันธ์ถูกสร้างขึ้นบนหลักการพื้นฐานนี้ของคอลัมน์และแถวในตาราง ทำให้คุณสามารถมีข้อมูลกระจายอยู่ในหลายตารางได้ ซึ่งช่วยให้คุณทำงานกับข้อมูลที่ซับซ้อนมากขึ้น หลีกเลี่ยงการทำซ้ำ และมีความยืดหยุ่นในการสำรวจข้อมูล มาสำรวจแนวคิดของฐานข้อมูลเชิงสัมพันธ์กัน

## [แบบทดสอบก่อนบรรยาย](https://ff-quizzes.netlify.app/en/ds/quiz/8)

## ทุกอย่างเริ่มต้นด้วยตาราง

ฐานข้อมูลเชิงสัมพันธ์มีแกนหลักเป็นตาราง เช่นเดียวกับสเปรดชีต ตารางคือการรวบรวมของคอลัมน์และแถว แถวเก็บข้อมูลหรือข้อมูลที่เราต้องการทำงานด้วย เช่น ชื่อเมืองหรือปริมาณฝนตก คอลัมน์อธิบายข้อมูลที่เก็บไว้

เรามาเริ่มต้นการสำรวจด้วยการสร้างตารางเพื่อเก็บข้อมูลเกี่ยวกับเมือง เราอาจเริ่มด้วยชื่อและประเทศ คุณสามารถเก็บข้อมูลนี้ในตารางดังนี้:

| City     | Country       |
| -------- | ------------- |
| Tokyo    | Japan         |
| Atlanta  | United States |
| Auckland | New Zealand   |

สังเกตชื่อคอลัมน์ **city**, **country** และ **population** ที่อธิบายข้อมูลที่เก็บไว้ และแต่ละแถวมีข้อมูลเกี่ยวกับเมืองหนึ่งเมือง

## ข้อจำกัดของวิธีการใช้ตารางเดียว

มีโอกาสที่ตารางข้างต้นดูคุ้นเคยกับคุณ ลองเพิ่มข้อมูลเพิ่มเติมในฐานข้อมูลที่กำลังเติบโตของเรา — ปริมาณฝนรายปี (เป็นมิลลิเมตร) เราจะเน้นปี 2018, 2019 และ 2020 หากเราเพิ่มข้อมูลสำหรับโตเกียว อาจดูเหมือนดังนี้:

| City  | Country | Year | Amount |
| ----- | ------- | ---- | ------ |
| Tokyo | Japan   | 2020 | 1690   |
| Tokyo | Japan   | 2019 | 1874   |
| Tokyo | Japan   | 2018 | 1445   |

คุณสังเกตอะไรเกี่ยวกับตารางของเรา? คุณอาจสังเกตว่าเรากำลังทำซ้ำชื่อและประเทศของเมืองซ้ำๆ นั่นอาจใช้พื้นที่เก็บข้อมูลมาก และไม่จำเป็นต้องมีสำเนาหลายชุดเลย เพราะโตเกียวมีชื่อเดียวที่เราสนใจ

โอเค ลองทำอย่างอื่นดู ลองเพิ่มคอลัมน์ใหม่สำหรับแต่ละปี:

| City     | Country       | 2018 | 2019 | 2020 |
| -------- | ------------- | ---- | ---- | ---- |
| Tokyo    | Japan         | 1445 | 1874 | 1690 |
| Atlanta  | United States | 1779 | 1111 | 1683 |
| Auckland | New Zealand   | 1386 | 942  | 1176 |

แม้ว่าวิธีนี้จะหลีกเลี่ยงการทำซ้ำแถว แต่ก็เพิ่มความท้าทายอื่นๆ เราต้องแก้ไขโครงสร้างของตารางทุกครั้งที่มีปีใหม่ นอกจากนี้ เมื่อข้อมูลของเราเติบโต การมีปีเป็นคอลัมน์จะทำให้การดึงข้อมูลและคำนวณค่าทำได้ยากขึ้น

นี่คือเหตุผลที่เราต้องมีหลายตารางและความสัมพันธ์ โดยการแยกข้อมูลออก เราสามารถหลีกเลี่ยงการทำซ้ำและมีความยืดหยุ่นมากขึ้นในการทำงานกับข้อมูลของเรา

## แนวคิดของความสัมพันธ์

กลับมาที่ข้อมูลของเราและกำหนดวิธีการแยกข้อมูล เรารู้ว่าเราต้องเก็บชื่อและประเทศของเมือง ดังนั้นสิ่งนี้น่าจะเหมาะสมที่สุดในตารางเดียว

| City     | Country       |
| -------- | ------------- |
| Tokyo    | Japan         |
| Atlanta  | United States |
| Auckland | New Zealand   |

แต่ก่อนที่เราจะสร้างตารางถัดไป เราต้องหาวิธีอ้างอิงแต่ละเมือง เราต้องมีรูปแบบของตัวระบุ, ID หรือ (ในคำศัพท์ทางเทคนิคของฐานข้อมูล) กุญแจหลัก กุญแจหลักคือค่าที่ใช้ระบุแถวเฉพาะในตาราง แม้ว่าสิ่งนี้อาจขึ้นอยู่กับค่าตัวเอง (เช่น เราอาจใช้ชื่อเมือง) แต่มันควรจะเป็นตัวเลขหรือตัวระบุอื่นๆ เสมอ เราไม่ต้องการให้ id เปลี่ยนแปลงเพราะจะทำให้ความสัมพันธ์เสียหาย คุณจะพบว่าในกรณีส่วนใหญ่กุญแจหลักหรือ id จะเป็นตัวเลขที่สร้างขึ้นโดยอัตโนมัติ

> ✅ กุญแจหลักมักย่อว่า PK

### cities

| city_id | City     | Country       |
| ------- | -------- | ------------- |
| 1       | Tokyo    | Japan         |
| 2       | Atlanta  | United States |
| 3       | Auckland | New Zealand   |

> ✅ คุณจะสังเกตว่าเราใช้คำว่า "id" และ "กุญแจหลัก" สลับกันในบทเรียนนี้ แนวคิดที่นี่ใช้กับ DataFrames ซึ่งคุณจะได้สำรวจในภายหลัง DataFrames ไม่ใช้คำว่า "กุญแจหลัก" อย่างไรก็ตามคุณจะสังเกตว่าพฤติกรรมของมันคล้ายกันมาก

เมื่อเราสร้างตาราง cities แล้ว มาลองเก็บข้อมูลปริมาณฝนแทน แทนที่จะทำซ้ำข้อมูลเต็มของเมือง เราสามารถใช้ id ได้ เราควรแน่ใจว่าตารางที่สร้างขึ้นใหม่มีคอลัมน์ *id* ด้วย เพราะทุกตารางควรมี id หรือกุญแจหลัก

### rainfall

| rainfall_id | city_id | Year | Amount |
| ----------- | ------- | ---- | ------ |
| 1           | 1       | 2018 | 1445   |
| 2           | 1       | 2019 | 1874   |
| 3           | 1       | 2020 | 1690   |
| 4           | 2       | 2018 | 1779   |
| 5           | 2       | 2019 | 1111   |
| 6           | 2       | 2020 | 1683   |
| 7           | 3       | 2018 | 1386   |
| 8           | 3       | 2019 | 942    |
| 9           | 3       | 2020 | 1176   |

สังเกตคอลัมน์ **city_id** ภายในตาราง **rainfall** ที่สร้างขึ้นใหม่ คอลัมน์นี้เก็บค่าที่อ้างอิงถึง ID ในตาราง **cities** ในคำศัพท์ทางเทคนิคของข้อมูลเชิงสัมพันธ์ นี่เรียกว่า **foreign key**; คือกุญแจหลักจากตารางอื่น คุณสามารถคิดว่ามันเป็นการอ้างอิงหรือชี้ไปยังข้อมูล **city_id** 1 อ้างอิงถึงโตเกียว

> [!NOTE]  
> foreign key มักย่อว่า FK

## การดึงข้อมูล

เมื่อข้อมูลของเราแยกออกเป็นสองตาราง คุณอาจสงสัยว่าเราจะดึงข้อมูลอย่างไร หากเราใช้ฐานข้อมูลเชิงสัมพันธ์ เช่น MySQL, SQL Server หรือ Oracle เราสามารถใช้ภาษาที่เรียกว่า Structured Query Language หรือ SQL SQL (บางครั้งออกเสียงว่า sequel) เป็นภาษามาตรฐานที่ใช้ดึงและแก้ไขข้อมูลในฐานข้อมูลเชิงสัมพันธ์

ในการดึงข้อมูล คุณใช้คำสั่ง `SELECT` โดยพื้นฐานแล้ว คุณ **เลือก** คอลัมน์ที่ต้องการดู **จาก** ตารางที่เก็บข้อมูลนั้น หากคุณต้องการแสดงชื่อเมืองเท่านั้น คุณสามารถใช้คำสั่งดังนี้:

```sql
SELECT city
FROM cities;

-- Output:
-- Tokyo
-- Atlanta
-- Auckland
```

`SELECT` คือที่ที่คุณระบุคอลัมน์ และ `FROM` คือที่ที่คุณระบุตาราง

> [!NOTE]  
> ไวยากรณ์ SQL ไม่สนใจตัวพิมพ์เล็กหรือใหญ่ หมายความว่า `select` และ `SELECT` มีความหมายเหมือนกัน อย่างไรก็ตาม ขึ้นอยู่กับประเภทของฐานข้อมูลที่คุณใช้ คอลัมน์และตารางอาจแยกแยะตัวพิมพ์เล็กใหญ่ได้ ดังนั้นจึงเป็นแนวปฏิบัติที่ดีในการปฏิบัติต่อทุกอย่างในโปรแกรมมิ่งเหมือนกับว่ามันแยกแยะตัวพิมพ์เล็กใหญ่ เมื่อเขียนคำสั่ง SQL มักนิยมเขียนคำสำคัญเป็นตัวพิมพ์ใหญ่ทั้งหมด

คำสั่งข้างต้นจะแสดงเมืองทั้งหมด ลองนึกภาพว่าเราต้องการแสดงเฉพาะเมืองในนิวซีแลนด์ เราต้องมีตัวกรองบางอย่าง คำสำคัญ SQL สำหรับสิ่งนี้คือ `WHERE` หรือ "ที่บางอย่างเป็นจริง"

```sql
SELECT city
FROM cities
WHERE country = 'New Zealand';

-- Output:
-- Auckland
```

## การรวมข้อมูล

จนถึงตอนนี้เราได้ดึงข้อมูลจากตารางเดียว ตอนนี้เราต้องการนำข้อมูลจากทั้ง **cities** และ **rainfall** มารวมกัน ซึ่งทำได้โดยการ *join* หรือรวมตารางเข้าด้วยกัน คุณจะสร้างรอยต่อระหว่างสองตาราง และจับคู่ค่าจากคอลัมน์ของแต่ละตาราง

ในตัวอย่างของเรา เราจะจับคู่คอลัมน์ **city_id** ใน **rainfall** กับคอลัมน์ **city_id** ใน **cities** ซึ่งจะจับคู่ค่าปริมาณฝนกับเมืองที่เกี่ยวข้อง ประเภทของ join ที่เราจะทำคือ *inner* join หมายความว่าหากแถวใดไม่ตรงกับข้อมูลจากตารางอื่น จะไม่แสดง ในกรณีของเรา ทุกเมืองมีข้อมูลปริมาณฝน ดังนั้นทุกอย่างจะถูกแสดง

มาดึงข้อมูลปริมาณฝนของปี 2019 สำหรับทุกเมืองของเรากัน

เราจะทำเป็นขั้นตอน ขั้นตอนแรกคือรวมข้อมูลโดยระบุคอลัมน์สำหรับรอยต่อ - **city_id** ดังที่เน้นไว้ก่อนหน้านี้

```sql
SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id
```

เราเน้นสองคอลัมน์ที่ต้องการ และความจริงที่ว่าเราต้องการรวมตารางโดยใช้ **city_id** ตอนนี้เราสามารถเพิ่มคำสั่ง `WHERE` เพื่อกรองเฉพาะปี 2019

```sql
SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id
WHERE rainfall.year = 2019

-- Output

-- city     | amount
-- -------- | ------
-- Tokyo    | 1874
-- Atlanta  | 1111
-- Auckland |  942
```

## สรุป

ฐานข้อมูลเชิงสัมพันธ์เน้นการแบ่งข้อมูลระหว่างหลายตารางซึ่งจะนำกลับมารวมกันเพื่อแสดงและวิเคราะห์ ซึ่งให้ความยืดหยุ่นสูงในการคำนวณและจัดการข้อมูล คุณได้เห็นแนวคิดหลักของฐานข้อมูลเชิงสัมพันธ์ และวิธีการทำ join ระหว่างสองตาราง

## 🚀 ความท้าทาย

มีฐานข้อมูลเชิงสัมพันธ์มากมายบนอินเทอร์เน็ต คุณสามารถสำรวจข้อมูลโดยใช้ทักษะที่คุณได้เรียนรู้ข้างต้น

## แบบทดสอบหลังบรรยาย

## [แบบทดสอบหลังบรรยาย](https://ff-quizzes.netlify.app/en/ds/quiz/9)

## ทบทวน & ศึกษาด้วยตนเอง

มีแหล่งข้อมูลหลายแห่งบน [Microsoft Learn](https://docs.microsoft.com/learn?WT.mc_id=academic-77958-bethanycheum) สำหรับคุณที่จะศึกษาต่อเกี่ยวกับ SQL และแนวคิดฐานข้อมูลเชิงสัมพันธ์

- [อธิบายแนวคิดของข้อมูลเชิงสัมพันธ์](https://docs.microsoft.com//learn/modules/describe-concepts-of-relational-data?WT.mc_id=academic-77958-bethanycheum)
- [เริ่มต้นการสืบค้นด้วย Transact-SQL](https://docs.microsoft.com//learn/paths/get-started-querying-with-transact-sql?WT.mc_id=academic-77958-bethanycheum) (Transact-SQL คือเวอร์ชันหนึ่งของ SQL)
- [เนื้อหา SQL บน Microsoft Learn](https://docs.microsoft.com/learn/browse/?products=azure-sql-database%2Csql-server&expanded=azure&WT.mc_id=academic-77958-bethanycheum)

## การบ้าน

[แสดงข้อมูลสนามบิน](assignment.md)

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**ข้อจำกัดความรับผิดชอบ**:  
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ [Co-op Translator](https://github.com/Azure/co-op-translator) แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้
<!-- CO-OP TRANSLATOR DISCLAIMER END -->