ในโลกของการจัดการฐานข้อมูลจริง ข้อมูลมักจะถูกเก็บในรูปแบบที่หลากหลาย และหนึ่งในความท้าทายที่พบบ่อยที่สุดคือการที่ข้อมูลที่ควรจะเป็นรายการ (List) กลับถูกจัดเก็บเป็นสตริงยาวๆ ที่คั่นด้วยเครื่องหมาย (เช่น Comma-Separated Values: CSV) การพยายาม Query ข้อมูลเหล่านี้โดยตรงมักนำไปสู่ข้อผิดพลาดทางตรรกะและประสิทธิภาพที่ต่ำ
ในฐานะ System Specialist เราจึงต้องใช้เครื่องมือขั้นสูงของ PostgreSQL เพื่อแปลงข้อมูลประเภทนี้ให้กลายเป็นโครงสร้างข้อมูลที่ถูกต้องและพร้อมสำหรับการวิเคราะห์ นั่นคือการใช้ฟังก์ชันที่ทรงพลังอย่าง string_to_array และ unnest ซึ่งเป็นเทคนิคที่ช่วยให้เราสามารถ ‘คลี่’ หรือ ‘Unnest’ ข้อมูลสตริงให้กลายเป็นแถวข้อมูล (Rows) หรืออาร์เรย์ที่ใช้งานได้จริง
💡 หลักการทำงาน: การแปลง String เป็น Array ใน PostgreSQL
การแปลงข้อมูลจากสตริงเป็นอาร์เรย์ใน PostgreSQL ไม่ใช่แค่การแยกคำ แต่เป็นการเปลี่ยนรูปแบบข้อมูล (Data Type Casting) อย่างเป็นระบบ โดยมีขั้นตอนหลักๆ ดังนี้:
string_to_array(text, delimiter): ฟังก์ชันนี้จะรับสตริงและตัวคั่น (Delimiter) เข้ามา จากนั้นจะแปลงสตริงนั้นให้เป็นประเภทข้อมูล Array (เช่นtext[])unnest(array): เมื่อเราได้ Array มาแล้ว การใช้unnest()จะทำหน้าที่คลี่ Array นั้นออกเป็นชุดของแถว (Rows) ทำให้เราสามารถใช้คำสั่งSELECTและเงื่อนไขWHEREกับแต่ละองค์ประกอบได้อย่างอิสระ
🚀 ตัวอย่างการใช้งานโค้ดขั้นสูง (Advanced SQL)
สมมติว่าเรามีตาราง products ที่มีคอลัมน์ชื่อ tags_csv ซึ่งเก็บแท็กสินค้าในรูปแบบ ‘apple,banana,orange’ เราสามารถใช้คำสั่งต่อไปนี้เพื่อแยกแท็กเหล่านั้นออกเป็นแถวข้อมูลที่สามารถ Query ได้:
SQL
WITH products AS (
SELECT 1 AS product_id, 'apple,banana,orange' AS tags_csv
)
SELECT
p.product_id,
unnest(string_to_array(p.tags_csv, ',')) AS tag_name
FROM
products p;
ผลลัพธ์ที่ได้:
- product_id: 1, tag_name: apple
- product_id: 1, tag_name: banana
- product_id: 1, tag_name: orange
จะเห็นได้ว่าข้อมูลแท็กที่เคยอยู่รวมกันในเซลล์เดียว ได้ถูกแยกออกเป็นแถวข้อมูล 3 แถว ทำให้เราสามารถนับจำนวนแท็ก หรือค้นหาสินค้าที่มีแท็ก ‘banana’ ได้อย่างมีประสิทธิภาพสูง
✅ บทสรุป: การยกระดับการจัดการข้อมูล
การใช้ string_to_array ร่วมกับ unnest เป็นการแสดงให้เห็นถึงความสามารถขั้นสูงของ PostgreSQL ในการจัดการกับข้อมูลที่ไม่ได้อยู่ในรูปแบบมาตรฐาน (Non-Normalized Data) ในฐานะ Senior Architect การทำความเข้าใจเทคนิคนี้จะช่วยให้คุณสามารถออกแบบ Query ที่ซับซ้อนและมีประสิทธิภาพสูงได้อย่างแท้จริง ทำให้ฐานข้อมูลของคุณมีความยืดหยุ่นและพร้อมรองรับการขยายตัวของข้อมูลในอนาคต