Primitive Data Types — วัตถุดิบพื้นฐาน#

ก่อนจะไปเรื่องชั้นวาง ต้องรู้จัก “อิฐก้อนแรก” ก่อน คือข้อมูลชิ้นเดียวโดดๆ ที่เล็กที่สุด ได้แก่ Integer (เลขจำนวนเต็ม), Float (ทศนิยม), String (ข้อความ), และ Boolean (True/False) ถ้าไม่มีของพวกนี้ก็สร้างอะไรไม่ได้เลย มันคือส่วนประกอบตั้งต้นของทุกข้อมูลในโลกดิจิทัล

Arrays & Lists — การจัดแถว#

โครงสร้างแบบแรกคือการเรียงของเป็นแถว เหมือน “แผงไข่” หรือการเข้าแถวต่อคิวตามลำดับ เราจองพื้นที่ยาวๆ แล้ววางของเรียงต่อกัน แต่ละช่องมีเลข Index ตั้งแต่ 0, 1, 2, 3 ไปเรื่อยๆ

ข้อดีคืออ่านข้อมูลเร็วมากถ้ารู้ตำแหน่ง เช่น ขอดูกล้องวงจรปิดนาทีที่ 5 ระบบเดินไปที่ช่องที่ 5 ได้ทันที ไม่ต้องไล่ดูตั้งแต่นาทีแรก เหมาะกับข้อมูลที่รู้จำนวนแน่นอน หรือข้อมูลที่ต้องทำตามลำดับ คำที่ได้ยินบ่อยคือ Array (ขนาดคงที่) กับ Linked List (ขยายได้)

Objects & Maps — ระบบฝากของ#

อีกแบบคือการเก็บข้อมูลเป็นคู่ “ชื่อ-ของ” หรือ Key-Value Pairs เปรียบเหมือน “จุดรับฝากกระเป๋า” หรือตู้ล็อกเกอร์ที่ห้าง คุณยื่นบัตรคิว (Key) ให้พนักงาน พนักงานก็หยิบกระเป๋า (Value) ให้ทันที โดยไม่ต้องเดินหาทีละตู้

นี่คือโครงสร้างที่ “เร็วที่สุดในโลก” สำหรับการค้นหา เพราะไม่ต้องวนลูปหาไปทีละรายการ เจาะจงหยิบได้เลยในเวลาคงที่ ระบบ Login ที่ตรวจชื่อผู้ใช้ หรือระบบค้นหาสินค้าใน e-Commerce ก็ใช้โครงสร้างแบบนี้เป็นพื้นฐาน คำที่มักเจอคือ Hash Map, Dictionary, JSON Object

Trees & Graphs — ความสัมพันธ์ซับซ้อน#

โลกความจริงซับซ้อนกว่าแค่การเรียงแถวตรงๆ มันมีความสัมพันธ์แบบพ่อลูก หรือแบบเพื่อนของเพื่อน Tree คือโครงสร้างแบบผังองค์กร (CEO → VP → Manager) หรือโฟลเดอร์ในเครื่องคอมที่ซ้อนกันเป็นชั้นๆ ส่วน Graph คือโครงสร้างแบบแผนที่รถไฟฟ้า หรือเครือข่ายเพื่อนใน Facebook ที่ทุกจุดสามารถเชื่อมหากันได้หมด

โครงสร้างแบบนี้มีไว้จำลองความสัมพันธ์ที่ซับซ้อนในโลกจริงให้คอมพิวเตอร์เข้าใจ คำสำคัญที่ควรรู้คือ Node (จุด), Edge (เส้นเชื่อม), Root, Leaf

Classic Algorithms — Searching & Sorting#

ปัญหาคลาสสิกคือ “ข้อมูลมีเป็นล้านแถว จะหาเจอได้ยังไงในเสี้ยววินาที?” ทางเลือกที่เห็นภาพง่ายสุดคือ Linear Search — ไล่ดูทีละคนตั้งแต่ต้นจนเจอ วิธีนี้ง่ายแต่ช้ามากเมื่อข้อมูลเยอะ

อีกวิธีคือ Binary Search — แบ่งครึ่งแล้วตัดทิ้งไปครึ่งหนึ่ง เหมือนเวลาเราเปิดพจนานุกรมหาคำว่า “mango” เราไม่เปิดหน้าแรกไล่ไปทีละหน้า เราเปิดกลางเล่มก่อน ถ้าเจอตัว S เราก็รู้ว่าต้องไปทางซ้าย แล้วแบ่งครึ่งไปเรื่อยๆ สองสามรอบก็เจอ วิธีนี้เร็วกว่ามหาศาล

การเรียงลำดับข้อมูล (Sorting) ก็สำคัญไม่แพ้กัน เพราะเป็นรากฐานของแอปพลิเคชัน 90% ทั้ง e-Commerce, ระบบจอง, และ Search Engine ล้วนต้องเรียงข้อมูลก่อนแล้วค้นหาอย่างมีประสิทธิภาพ

Modern Algorithms — AI & Machine Learning#

เทรนด์ที่เปลี่ยนโลกตอนนี้คือการเปลี่ยนจาก “คนเขียนสูตรให้คอม” เป็น “คอมเรียนรู้สูตรเองจากข้อมูล” นี่คือหัวใจของ Machine Learning และ Deep Learning

มันเป็น Game Changer ที่ทำให้คอมพิวเตอร์ทำงานที่ซับซ้อนเกินกว่ามนุษย์จะเขียนโค้ดไหว เช่น การจำหน้าคน การแต่งรูป หรือการเข้าใจภาษา เพราะถ้าให้มนุษย์พยายามเขียนกฎว่า “ตาแบบนี้ + จมูกแบบนี้ = คนชื่อนี้” เราเขียนไม่ไหว แต่พอป้อนรูปให้ระบบดูเป็นล้านรูป มันเรียนรู้เองได้ คำที่ได้ยินบ่อยในยุคนี้คือ Neural Networks, Deep Learning, และ LLM (Large Language Model) ซึ่งเป็นพื้นฐานของ ChatGPT, Claude, Gemini

Helping Algorithms — Compression & Hashing#

นอกจากสูตรหลัก ยังมีสูตรผู้ช่วยที่ทำให้งานหลักดีขึ้น เช่น Compression คือการบีบอัดข้อมูลให้เล็กลง (ที่คุ้นคือไฟล์ Zip) เพื่อส่งเน็ตให้ไว ประหยัดค่าเซิร์ฟเวอร์ อีกตัวคือ Hashing คือการแปลงข้อมูลให้เป็นรหัสลับสั้นๆ เหมือนลายนิ้วมือดิจิทัล ใช้ตรวจสอบความถูกต้องของข้อมูลหรือเก็บรหัสผ่านแบบปลอดภัย คำที่เจอคือ Gzip, SHA-256, Encryption

Big O Notation — ดัชนีชี้วัดความคุ้มค่า#

สมมติโปรแกรมเมอร์บอกว่า “โค้ดเสร็จแล้วครับ” แต่เราไม่รู้ว่ารับคนไหวไหม ถ้าลูกค้าเพิ่ม 100 เท่า เซิร์ฟเวอร์จะล่มไหม? เครื่องมือที่ใช้ตอบคำถามนี้เรียกว่า Big O Notation

มันคือ KPI ของโค้ด ใช้วัดประสิทธิภาพทั้งด้านความเร็วและการกินพื้นที่ (Time & Space Complexity) ตัวเลขที่ควรจำคร่าวๆ คือ O(1) เร็วสุดแบบคงที่ไม่ขึ้นกับขนาดข้อมูล, O(N) เร็วปานกลางขึ้นตามจำนวนข้อมูลแบบเป็นเส้นตรง, O(N²) ช้ามากเพราะเวลาเพิ่มแบบยกกำลังสองเมื่อข้อมูลโต ผู้บริหารควรรู้แค่ว่ามันคือตัวชี้วัด Scalability ก่อนจะลงทุนสร้างระบบจริง

HTTP & HTTPS — ภาษากลาง#

คอมพิวเตอร์แต่ละเครื่องพูดคนละภาษา ถ้าไม่มีภาษากลางก็คุยกันไม่รู้เรื่อง โลกเลยกำหนดมาตรฐานขึ้นมาชื่อว่า HTTP (HyperText Transfer Protocol) เป็นโปรโตคอลการรับ-ส่งข้อมูลที่ทุก Browser ใช้

HTTPS คือเวอร์ชันที่ใส่ซองจดหมายหุ้มเกราะ คือเข้ารหัสข้อมูลระหว่างทาง ถ้าเว็บไม่มี S (Secure) ข้อมูลบัตรเครดิตลูกค้าจะถูกดักจับได้ง่าย นี่เป็นเหตุผลว่าทำไม Chrome ถึงขึ้นเตือนสีแดงเวลาเข้าเว็บที่ยังเป็น HTTP เฉยๆ คำที่คุ้นในหมวดนี้คือ Request, Response, Status Code เช่น 200 OK (สำเร็จ) หรือ 404 Not Found (หาหน้าไม่เจอ)

APIs — REST & GraphQL#

API คือช่องทางที่เปิดให้ซอฟต์แวร์ตัวอื่นมาเรียกใช้ข้อมูลของเรา เปรียบเหมือน “เมนูอาหาร” และ “พนักงานรับออเดอร์” ในร้านอาหาร

REST เป็นแบบเมนูเซต สั่งข้าวผัดได้ข้าว + แตงกวา + ซุปมาพร้อมกัน มันง่ายและเป็นมาตรฐานที่ใช้กันแพร่หลาย ส่วน GraphQL เป็นแบบบุฟเฟต์ สั่งเอาแค่ข้าวกับซุป ไม่เอาแตงกวา ยืดหยุ่นกว่าและประหยัดเน็ต เหมาะกับแอปมือถือที่อยากโหลดเฉพาะสิ่งที่ต้องใช้

ในมุมธุรกิจ API คือประตูที่ทำให้ธุรกิจเชื่อมต่อกันได้ เช่น Grab ดึงแผนที่ Google มาใช้ Shopee ดึงช่องทางจ่ายเงินของธนาคารมาใช้ ประโยชน์ใหญ่คือทำให้หน้าบ้าน (Mobile App) แยกจากหลังบ้าน (Server) ทำงานอิสระต่อกันได้ คำที่เจอคือ Endpoint, Payload, JSON

Real-time Communication — คุยกันสดๆ#

ข้อมูลบางอย่างต้องอัปเดตทันที เช่น ราคาหุ้น ผลบอลสด หรือข้อความแชต จะมารอกดรีเฟรชไม่ได้ เทคนิคที่ใช้มีหลายแบบ

Polling คือแอปโทรถามเซิร์ฟเวอร์ทุก 5 วินาทีว่า “มีของใหม่ไหม?” วิธีนี้ง่ายแต่เปลืองแรงเครื่อง ต่อมาคือ Webhooks หลักการคือ “ไม่ต้องโทรมา เดี๋ยวมีของใหม่แล้วผมโทรบอกเอง” ประหยัดกว่ามาก และแบบดีสุดคือ WebSockets ต่อสายตรงคุยกันตลอดเวลาแบบ Real-time จริงๆ แอปแชต เกมออนไลน์ แอปเทรดหุ้น ใช้ WebSockets เป็นหลัก คำที่เจอคือ Latency, Push Notification, Event-Driven

Domain & DNS#

ทุกเครื่องในอินเทอร์เน็ตมีหมายเลขเรียกว่า IP Address เช่น 142.250.1.1 แต่ถ้าต้องจำเลขพวกนี้เพื่อเข้าเว็บก็คงปวดหัว ทางออกคือใช้ชื่อโดเมนอย่าง google.com แล้วให้ระบบ DNS (Domain Name System) แปลงชื่อเป็นเลข IP ให้อัตโนมัติ DNS จึงเปรียบได้กับสมุดโทรศัพท์ของอินเทอร์เน็ต

ในมุมผู้บริหาร ถ้า DNS ล่มคือหายนะ ธุรกิจหายไปจากโลกอินเทอร์เน็ตทันที ไม่ใช่เพราะเว็บพัง แต่เพราะลูกค้าหาไม่เจอ แม้เซิร์ฟเวอร์ยังดีอยู่ก็ตาม คำที่เจอคือ Name Server, A Record, CNAME, TTL

Email Infrastructure — MX & TXT#

อีกเรื่องที่ DNS จัดการคืออีเมล คุณเคยสงสัยไหมว่าทำไมบางครั้งอีเมลที่ส่งหาลูกค้าไปตกใน Junk Mail? คำตอบคือ DNS ของคุณยังไม่ได้ตั้งค่าให้ยืนยันว่า “ผมคือตัวจริง ไม่ใช่สแปม”

Record ที่สำคัญมีสองประเภทหลัก MX Record คือทางเข้าเมลที่บอกว่าอีเมลของโดเมนนี้ไปถึงเซิร์ฟเวอร์ไหน และ SPF/DKIM คือตราประทับยืนยันตัวตนที่ช่วยให้ปลายทางเชื่อว่าอีเมลนี้มาจากคุณจริงๆ ไม่ใช่คนปลอม การตั้งค่าพวกนี้สำคัญมากสำหรับรักษาความน่าเชื่อถือของแบรนด์ หรือที่เรียกว่า Email Deliverability

SQL vs NoSQL — ระเบียบ vs ยืดหยุ่น#

Database มีสองสายใหญ่ๆ ที่ต้องเลือก

SQL (Relational) คือฐานข้อมูลที่เก็บข้อมูลในรูปแบบตาราง เหมือน Excel ที่ตารางเป๊ะ ห้ามกรอกผิดช่อง มีกฎระเบียบชัดเจน เหมาะกับงานบัญชี การเงิน ระบบ ERP ที่ความถูกต้องสำคัญกว่าความยืดหยุ่น

NoSQL (Non-Relational) คือฐานข้อมูลที่เก็บข้อมูลแบบอิสระเหมือนแฟ้มเอกสาร โยนอะไรลงไปก็ได้ ไม่ต้องตรงโครงสร้างเป๊ะ เหมาะกับ Social Media, Log, หรือข้อมูลที่โครงสร้างเปลี่ยนบ่อย

ในมุมผู้บริหาร เลือกผิดชีวิตเปลี่ยนครับ เลือก SQL มาเก็บ Log ปริมาณมหาศาลอาจจะแพงและช้า เลือก NoSQL มาทำบัญชีเงินอาจจะหายได้เลย คำที่เจอคือ Table vs Document, Schema Strictness

Transactions (ACID)#

ลองนึกภาพการโอนเงินจากบัญชี A ไป B ถ้าไฟดับตอนระบบตัดเงินจาก A เสร็จแล้ว แต่ยังไม่ทันเข้าบัญชี B จะเกิดอะไรขึ้น? เงินหายครับ 555+

ทางแก้คือกฎ “All or Nothing” ถ้าไม่เสร็จสมบูรณ์ทุกขั้นตอนให้ยกเลิกทั้งหมดเหมือนไม่มีอะไรเกิดขึ้น เรียกว่าคุณสมบัติ ACID ซึ่งรับประกันความถูกต้องของข้อมูล ทำให้เราเชื่อมั่นในระบบการเงินและระบบธุรกิจได้ คำที่ควรรู้คือ Atomicity (ทำครบหรือไม่ทำเลย), Rollback (ย้อนกลับ), Data Integrity (ข้อมูลถูกต้อง)

Cloud Databases#

แทนที่จะซื้อเซิร์ฟเวอร์เองมาตั้งไว้ในออฟฟิศ หลายบริษัทเปลี่ยนไปเช่า “ตู้เซฟของ Amazon หรือ Google” แล้วให้เจ้าของบริการจ้างยามเฝ้าให้ เรียกว่า Cloud Database

ข้อดีคือเปลี่ยน CAPEX (ซื้อเซิร์ฟเวอร์เป็นทรัพย์สิน) เป็น OPEX (เช่ารายเดือน) ขยายง่ายกว่ามาก ไม่ต้องห่วงเรื่อง Update ระบบหรือ Backup เพราะผู้ให้บริการดูแลให้หมด คำที่เจอคือ AWS RDS, Google Cloud SQL, Scalability

BaaS — Backend-as-a-Service#

ถ้า Cloud Database คือตู้เซฟเช่า BaaS ก็คือ “บะหมี่กึ่งสำเร็จรูป” ของวงการพัฒนาซอฟต์แวร์ คือมี Database + ระบบ Login + File Storage มาให้ครบในแพ็กเดียว

ข้อดีคือช่วยให้ Startup สร้างแอปเสร็จใน 1 สัปดาห์ แทนที่จะใช้ 3 เดือน เพราะไม่ต้องเขียนระบบพื้นฐานใหม่ตั้งแต่ต้น เครื่องมือยอดนิยมคือ Firebase ของ Google และ Supabase ซึ่งเป็นทางเลือกแบบ Open Source ที่มาแรงมากในช่วงหลัง

Caching (Redis)#

เทคนิคหนึ่งที่ทำให้แอปเร็วขึ้นมหาศาลคือ Caching หลักการคือเอาข้อมูลที่คนดูบ่อยๆ เช่น รายการสินค้าขายดี หรือข้อมูลโปรไฟล์ผู้ใช้ มาแปะไว้หน้าตู้เซฟใน RAM เพื่อให้หยิบได้เร็ว ไม่ต้องเดินเข้าไปเปิดตู้เซฟหลักทุกครั้ง

ผลคือแอปเร็วขึ้น 10-100 เท่า และลดภาระ Database หลักไปได้เยอะ เครื่องมือที่ใช้กันเยอะคือ Redis และ Memcached คำที่เจอคือ In-Memory, Low Latency

Big Data & Warehouses#

อีกหมวดคือฐานข้อมูลขนาดยักษ์สำหรับวิเคราะห์ข้อมูลย้อนหลัง หรือที่เรียกว่า Data Warehouse เป้าหมายคือเปลี่ยนข้อมูลดิบให้กลายเป็น “ปัญญา” ที่ใช้ตัดสินใจธุรกิจได้

ข้อสำคัญคือ Data Warehouse ไม่ได้มีไว้รันแอปรายวัน แต่มีไว้ทำ Dashboard ผู้บริหาร วิเคราะห์พฤติกรรมลูกค้า และทำนายเทรนด์ธุรกิจ เครื่องมือที่เห็นบ่อยคือ Snowflake, BigQuery ของ Google, และแนวคิดใหม่อย่าง Data Lake ที่เก็บข้อมูลดิบไว้โดยไม่บังคับโครงสร้างตั้งแต่แรก