More Related Content
What's hot (20)
More from Frong Pinipun (7)
Ȩร์มัลไลเซชัน (Recovered)
- 1. Ȩร์มัลไลเซชัน (Normalization) การทาȨร์มัลไลเซชัน เป็นวิธีการในการกาหนดแอตทริบิวต์ให้กับแต่ละเอนทิตี เพื่อให้ได ้โครงสร้างของตารางที่ดี สา มารถควบคุมความซ้าซ ้อนของข ้อมูลหลีกเลี่ยงความผิดปกติของข ้อมูล โดยทั่วไปผลลัพธ์ของ การȨร์มัลไลเซชัน จะได ้ตารางที่มีโครงสร้างซับซ ้อนน้อยลง แต่จานวนของตารางจะมากขึ้น การทาȨร์มัลไลเซชัน จะประกอบด ้วยนอร์มัลฟอร์ม (Normal Form) แบบต่าง ๆ ที่มีเงื่อนไขของการทาให้อยู่ในรูปของนอร์มัลฟอร์มที่แตกต่างกันไป ขึ้นอยู่กับผู้ออกแบบฐาน ข ้อมูลว่า ต ้องการลดความซ้าซ ้อนในฐานข ้อมูลให้อยู่ในระดับใด ซึ่งประกอบด ้วยนอร์มัลฟอร์มแบบต่าง ๆ ดังต่อไปนี้ – นอร์มัลฟอร์มที่1 (First Normal Form : 1NF) – นอร์มัลฟอร์มที่2 (Second Normal Form : 2NF) – นอร์มัลฟอร์มที่3 (Third Normal Form : 3NF) – บอยซ์คอดด์นอร์มัลฟอร์ม (Boyce-Codd Normal Form : BCNF) – นอร์มัลฟอร์มที่4 (Fourth Normal Form : 4NF) – นอร์มัลฟอร์มที่5 (Fifth Normal Form : 5NF) ถึงแม ้ว่าการȨร์มัลไลเซชัน จะเป็นสิ่งสาคัญและจาเป็นที่สุดสาหรับการออกแบบฐานข ้อมูล แต่ก็ไม่ได ้หมายความว่าจะต ้อ งทาการȨร์มัลไลเซชันจนถึงระดับนอร์มัลฟอร์มที่ 5 โดยทั่วไปการแสดงผลข ้อมูลจากตารางที่อยู่ในนอร์มัลฟอร์มที่ 5 จะมีการเชื่อมต่อตารางเป็นจานวนมาก ทาให้การแสดงผลและการโต ้ตอบระหว่างระบบฐาน ข ้อมูลกับผู้ใช ้กระทาได ้ช ้า การออกแบบฐานข ้อมูลที่ดีจึงต ้องพิจารณาถึงความต ้องการของผู้ใช ้ และต ้องสามารถตอบสนองได ้อย่างรวดเร็ว เพราะฉะนั้นในบางกรณีจึงมีการลดระดับการนอร์มัล ไลเซชันในบางส่วนของการออกแบบฐานข ้อมูล เพื่อให้ระบบสามารถตอบสนองได ้ตามความต ้องการของผู้ใช ้ การลดระดับการȨร์มัลไลเซชัน (Denormalization) เป็นวิธีการลดระดับของนอร์มัลฟอร์มลงมา เช่น การแปลงจาก 3NF มาเป็น 2NF อย่างไรก็ตาม สิ่งที่จะได ้รับเพิ่มขึ้นมาจากการลดระดับการȨร์มัลไลเซชัน นอกจากความเร็วที่ดีขึ้นแล ้ว ความซ้าซ ้อนของข ้อมูลก็เพิ่มสูงขึ้นด ้วย ซึ่งเป็นสิ่งที่ควรนามาพิจารณาอย่างระมัดระวัง 1) การแปลงให้อยู่ในรูปนอร์มัลฟอร์มที่ 1 (First Normal Form : 1NF) คุณสมบัติของรีเลชันของแบบจาลองข ้อมูลเชิงสัมพันธ์ ก็คือ ข ้อมูลในแต่ละทัปเพิลจะต ้องไม่ ซ้ากัน และค่าในแต่ละแอตทริบิวต์จะต ้องไม่สามารถถูกแบ่งแยกย่อยลงไปได ้อีกหรือมีความเป็ นอะตอมมิค (Atomic) รวมถึงจะต ้องมีค่าเพียงค่าเดียวที่อยู่ในแต่ละแอตทริบิวต์หรือมีความเป็นซิงเกิลแวลู (Single Value) ซึ่งในการทาȨร์มัลไลเซชันให้อยู่ในนอร์มัลฟอร์ที่1 ก็อาศัยคุณสมบัติดังที่กล่าวไว้ข ้างต ้น
- 2. 1.1) รีพีทติ้งกรุ๊ป (Repeating Group) การที่ข ้อมูลใน 1 ทัปเพิล สามารถมีค่าในแต่ละแอตทริบิวต์ได ้มากกว่าหนึ่งค่า (Multivalued) จะทาให้เกิดรีพีทติ้งกรุ๊ป ดังตารางที่แสดงในภาพข ้างล่าง ซึ่งเลขที่โครงการหนึ่งหมายเลขประกอบด ้วยกลุ่มข ้อมูลหลายกลุ่ม ซึ่งทาให้รีเลชันดังกล่าว ขาดคุณสมบัติซิงเกิลแวลู 1.2) นิยามของนอร์มัลฟอร์มที่ 1 รีเลชันจะอยู่ในรูปของนอร์มัลฟอร์มที่1 ก็ต่อเมื่อมีคุณสมบัติตามเงื่อนไขดังต่อไปนี้ 1. มีการกาหนดแอตทริบิวต์ที่เป็นคีย์ 2. ต ้องไม่มีรีพีทติ้งกรุ๊ป แต่ละแถวหรือคอลัมน์จะมีค่าได ้เพียง 1 ค่าเท่านั้น 3. แอตทริบิวต์ทุกตัวต ้องขึ้นอยู่กับคีย์หลัก จากภาพข ้างบน เมื่อการการȨร์มัลไลเซชันให้อยู่ในรูปนอร์มัลฟอร์มที่ 1 จะได ้ตารางที่แตกย่อยออกมาเป็น 2 ตาราง ดังภาพข ้างล่าง ซึ่งมีคุณสมบัติตามนอร์มัลฟอร์มที่1 แล ้ว
- 3. 2) การแปลงให้อยู่ในรูปนอร์มัลฟอร์มที่ 2 (Second Normal Form : 2NF) ในหนึ่งรีเลชันจะประกอบด ้วยแอตทริบิวต์ต่าง ๆ ที่มีความสัมพันธ์ที่ขึ้นต่อกัน ซึ่งความสัมพันธ์ดังกล่าวจะเป็นตัวกาหนดว่าแอตทริบิวต์ใดเป็นตัวกาหนดข ้อมูล หรือ คีย์แอต ทริบิวต์ (Key Attribute) และและแอตทริบิวต์ใดเป็นข ้อมูลที่ถูกกาหนดหรือนอนคีย์แอตทริบิวต์ (Nonkey Attribute) 2.1) ฟังก์ชันนัลดีเพนเดนซี (Functional Dependency: FD) ในการทาȨร์มัลไลเซชัน จะต ้องมีความเข ้าใจหลักการของฟังก์ชันดีเพนเดนซี (Function Dependency : FD) เสียก่อน โดยมีคาจากัดความคือ B ขึ้นอยู่กับ A ถ ้าทราบค่าของ A ก็จะทาให้รู้ค่าของ B ได ้ ฟังก์ชันนัลดีเพนเดนซี สามารถแสดงด ้วยการใช ้เครื่องหมายลูกศร ( ->) ตัวอย่างเช่น A- >B แสดง B เป็นฟังก์ชันนัลดีเพนเดนต์กับ A กล่าวคือ ถ ้ารู้ค่า A ก็จะทาให้ทราบค่าของ B ด ้วย ทุกค่าของ A ที่มีค่าเท่ากัน จะได ้ค่า เท่ากันเสมอ 2.2) พาเชียลดีเพนเดนซี (Partial Dependency) พาร์เชียลดีเพนเดนซี หมายถึง การที่มีแอตทริบิวต์บางแอตทริบิวต์ ที่ขึ้นอยู่กับเพียงบางส่วนของคีย์หลักเท่านั้น ตัวอย่างเช่น จากตารางในภาพข ้างล่าง แอตทริบิวต์ชื่อพนักงานจะขึ้นอยู่กับคีย์รหัสพนักงาน ในขณะที่แอตทริบิวต์ชื่อแผนก จะขึ้นอยู่กับคีย์รหัสแผนก จะเห็นว่า ข ้อมูลที่อยู่ในรีเลชันเดียวกัน แต่ไม่ได ้ขึ้นอยู่กับคีย์ใดคียหนึ่งทั้งหมด แต่จะขึ้นอยู่กับคีย์ใดคีย์หนึ่งเพียงบางส่วนเท่านั้น
- 4. 2.3) นิยามของนอร์มัลฟอร์มที่ 2 รีเลชันจะอยู่ในรูปของนอร์มัลฟอร์มที่2 ก็ต่อเมื่อมีคุณสมบัติตามเงื่อนไขดังต่อไปนี้ 1. รีเลชันนั้นเป็นนอร์มัลฟอร์มที่1 อยู่แล ้ว 2. รีเลชันนั้นไม่มีพาร์เชียลดีเพนเดนซี ตัวอย่างรีเลชันพนักงานในแผนกในภาพข ้างบน เมื่อทาการแตกออกเป็นรีเลชันย่อยที่ไม่มีพาร์ เชียลดีเพนเดนซีแล ้ว จะได ้เป็นรีเลชันสองรีเลชัน คือ รีเลชันพนักงานและ รีเลชันแผนก ซึ่งอยู่ในรูปของนอร์มัลฟอร์มที่2 แล ้ว ดังภาพข ้างล่าง 3) การแปลงให้อยู่ในรูปนอร์มัลฟอร์มที่ 3 (Third Normal Form : 3NF) ในหนึ่งรีเลชันจะประกอบคีย์แอตทริบิวต์และนอนคีย์แอตทริบิวต์ คีย์แอตทริบิวต์จะต ้องเป็นตัว กาหนดความหมายหรือการมีอยู่ของแอตทริบิวต์อื่น ๆ ที่อยู่ในรีเลชันเสมอ 3.1) ทรานซิทีฟดีเพนเดนซี (Transitive Dependency)
- 5. ทรานซิทีฟดีเพนเดนซี หมายถึง การที่มีฟังก์ชันนัลดีเพนเดนซี ระหว่างแอตทริบิวต์ที่ไม่ได ้เป็นส่วนของคีย์ใด ๆ แต่มีแอตทริบิวต์อื่น ๆ มาขึ้นกับแอตทริบิวต์นั้นตัวอย่างเช่น จากตารางในภาพข ้างล่าง แอตทริบิวต์ชื่อพนักงาน และรหัสตาแหน่งงานจะขึ้นอยู่กับคีย์รหัสพนักงาน ในขณะที่แอตทริบิวต์ค่าแรงต่อชั่วโมของพนักงาน จะขึ้นอยู่กับแอตทริบิวต์รหัสตาแหน่งงานซึ่ งไม่ใช่คีย์อีกต่อหนึ่งทาให้มีทรานซิทีฟดีเพนเดนซีเกิดขึ้นในรีเลชันนี้ 3.2) นิยามของนอร์มัลฟอร์มที่ 3 รีเลชันจะอยู่ในรูปของนอร์มัลฟอร์มที่3 ก็ต่อเมื่อมีคุณสมบัติตามเงื่อนไขดังต่อไปนี้ 1. รีเลชันนั้นเป็นนอร์มัลฟอร์มที่2 อยู่แล ้ว 2. รีเลชันนั้นไม่มีทรานซิทีฟดีเพนเดนซี ตัวอย่างรีเลชัน การทางานของพนักงาน ในภาพข ้างบน เมื่อทาการแตกออกเป็นรีเลชันย่อยที่ไม่มีทรานซิทีฟดีเพนเดนซีแล ้ว จะได ้เป็ นรีเลชันสองรีเลชัน คือรีเลชันพนักงาน และรีเลชันตาแหน่งงาน ซึ่งอยู่ในรูปของนอร์มัลฟอร์มที่ 3 แล ้ว ดังภาพข ้างล่าง 4) การแปลงให้อยู่ในรูปบอยซ์คอดด์นอร์มัลฟอร์ม (Boyce-Codd Normal Form : BCNF) ในหนึ่งรีเลชันอาจจะประกอบด ้วยหลายแคนดิเดตคีย์ (Candidate Key) ทุกแอตทริบิวต์ในรีเลชันจะต ้องขึ้นอยู่กับแคนดิเดตคีย์เสมอ เราสามารถกาหนดนิยามข องรีเลชันที่อยู่ในรูปของบอยซ์คอดด์นอร์มัลฟอร์ม ก็ต่อเมื่อรีเลชันมีคุณสมบัติตามเงื่อนไขดังต่อไปนี้ 1. รีเลชันนั้นเป็นนอร์มัลฟอร์มที่3 อยู่แล ้ว
- 6. 2. ทุกแอตทริบิวต์ในรีเลชันจะต ้องขึ้นกับแคนดิเดตคีย์ รีเลชันจะอยู่ในรูปบอยซ์คอดด์นอร์มัลฟอร์ม ถ ้าทุกแอตทริบิวต์ขึ้นอยู่กับแคนดิเดตคีย์ (Cand idate Key) ดังนั้นถ ้าใน 1 รีเลชันมีแคนดิเดตคีย์เพียงตัวเดียวแล ้ว นอร์มัลฟอร์มที่3 และบอยซ์คอดด์นอร์มัลฟอร์ม จะเหมือนกัน โอกาสที่คุณสมบัติของบอยซ์คอดด์นอร์มัลฟอร์มจะถูกละเมิดนั้น เกิดขึ้นได ้น้อย และจะเกิดได ้กับรีเลชันที่มีแคนดิเดตคีย์มากกว่าหนึ่งเท่านั้น ดังตัวอย่างในภ าพข ้างล่าง รีเลชันการลงทะเบียนเรียน รีเลชันดังกล่าวอยู่ในรูปนอร์มัลฟอร์มที่3 แล ้ว แต่ก็ยังมีบางส่วนมีปัญหาอยู่ ตรงจุดที่แอตทริบิวต์รหัสวิชาเรียน และผลการเรียนขึ้นอยู่กับคีย์นักศึกษา และคีย์ผู้สอน แต่ในขณะเดียวกันรหัสผู้สอนก็ขึ้นอยู่กับรหัสวิชาเรียน ทาให้ถ ้าต ้องการเปลี่ยนแปลงผู้สอนใน วิชา 301 จะต ้องมีการเปลี่ยนแปลงถึง 2 ทัปเพิล ซึ่งผลลัพธ์ที่ได ้อาจจะทาให้เกิดความผิดพลาดหากทาการแก ้ไขไม่ครบถ ้วน และถ ้า นักศึกษารหัส 135 ถอนการลงทะเบียนวิชา 280 ข ้อมูลของผู้ที่สอนวิชานี้จะหายไปจากระบบเลย ถ ้าเราลบข ้อมูลนี้ เราสามารถทาการแตกตารางออกมาให้อยู่ในรูปของบอยซ์คอดด์นอร์มัลฟอร์มได ้ โดยการแยก แอตทริบิวต์รหัสวิชาเรียนและรหัสผู้สอนซึ่งขึ้นอยู่กับแอตทริบิวต์รหัสวิชาเรียน ออกมาเป็นอีกห นึ่งรีเลชัน และแยกแอตทริบิวต์ รหัสนักศึกษา รหัสผู้สอน และผลการเรียนออกมาเป็นอีกหนึ่งรีเลชัน ดังแสดงในภาพข ้างล่าง
- 7. 5) การแปลงให้อยู่ในรูปนอร์มัลฟอร์มที่ 4 (Fourth Normal Form : 4NF) ในขณะที่การทาให้อยู่ในรูปของนอร์มัลฟอร์มต่าง ๆ ที่ผ่านมา จะเกี่ยวข ้องกับการขึ้นตรงต่อกันของข ้อมูลในแต่ละแอตทริบิวต์หรือฟังก์ชันนัลดีเพนเดนซี แต่ การทาให้อยู่ในรูปของนอร์มัลฟอร์มที่ 4 จะเกี่ยวข ้องกับรูปแบบของการขึ้นตรงต่อกันของข ้อมูลในระดับที่ซับซ ้อนกว่า 5.1) มัลติแวลูดีเพนเดนซี (Multivalued Dependency) ถ ้าแต่ละแอตทริบิวต์ในหนึ่งรีเลชัน แบ่งออกเป็นกลุ่มของข ้อมูลอิสระ เช่นแอตทริบิวต์ X, Y และ Z แบ่งออกเป็นกลุ่มข ้อมูลของ X, Y และ Z ที่เป็นอิสระต่อกัน มัลติแวลลูดีเพนเดนซี X –>> Y หมายถึงว่าค่า X หนึ่งค่าสามารถที่จะบอกค่า Y ได ้หลาย ๆ (X Multi-Determinse Y) ไม่ว่า Z จะมีค่าเป็นอะไรก็ตาม โดยปกติ ถ ้า R ประกอบด ้วย Attribute X, Y และ Z (Z = R – {XY} ) ดังนั้น ถ ้า X –>> Y แล ้ว X –>> Z เสมอ สามารถเขียนใหม่เป็น X –>> Y | Z ถ ้า Y เป็นสับเซทของ X หรือ X ยูเนี่ยน Y = R แล ้ว เราเรียก X –>> Y ว่า ทริเวียลมัลติแวลูดีเพนเดนซี (Trivial Multivalued Dependency) ซึ่งจะต่างจากฟังก์ชันนัลดีเพนเดนซี X –> Y ที่ X จะสามารถบอกค่า Y ได ้แค่เพียงค่าเดียว ดังตัวอย่างภาพข ้างล่าง เนื่องจากแอตทริบิวต์ รหัสโครงการ รหัสบริษั ท และที่ตั้งโครงการล ้วนเป็นคีย์แอตทริบิวต์ ดังนั้นรีเลชันในภาพ จึงถือว่าอยู่ในรูป BCNF แล ้ว แต่ยังไม่อยู่ในรูปของ 4NF เนื่องจากรีเลชันดังกล่าวยังมีทริเวียลมัลติแวลูดีเพนเดนซีอยู่ในรีเลชัน ตัวอย่างเช่นรหัสโครง การA001 สามารถบอกค่าของรหัสบริษัทที่เป็นผู้รับผิดชอบได ้มากกว่าหนึ่งบริษัท คือ รหัสบริ ษัท B001 และ B002 ในขณะเดียวกันรหัสโครงการ A001 ก็บอกถึงที่ตั้งของโครงการสอ งแห่งคือ จันทบุรี และระยอง ซึ่งถ ้ามีการเพิ่มบริษัทที่รับผิดชอบโครงการเข ้าไปในโครงการ A001 อีกหนึ่งบริษัทก็จะต ้องมีการเพิ่มข ้อมูลถึงสองทัปเพิลเนื่องจากโครงการดังกล่าวมีที่ตั้งอยู่ถึงสอง แห่งคือ ระยอง และจันทบุรี ส่งผลให้เกิดความซ้าซ ้อนของข ้อมูลขึ้นในรีเลชันดังกล่าว และอาจจะเกิดความผิดพลาดในการเพิ่มข ้อมูลได ้
- 8. เนื่องจากที่ตั้งโครงการไม่ได ้ขึ้นอยู่กับรหัสบริษัทที่เป็นผู้รับผิดชอบแต่ขึ้นอยู่กับรหัสโครงการ ดังนั้น ถ ้าหากมีการเพิ่มบริษัทผู้รับผิดชอบเพิ่มขึ้นอีกหนึ่งบริษัท เราจาเป็นที่จะต ้องทาการเพิ่มข ้อมูลที่ตั้งโครงการเข ้าไปอีกสองแห่งด ้วยเสมอ ซึ่งเป็นผลจากค วามสัมพันธ์ในรูปแบบของ ทริเวียลมัลติแวลูดีเพนเดนซี นั่นเอง นอร์มัลฟอร์มที่4 5.2) นิยามของนอร์มัลฟอร์มที่ 4 รีเลชันจะอยู่ในรูปของนอร์มัลฟอร์มที่4 ก็ต่อเมื่อมีคุณสมบัติตามเงื่อนไขดังต่อไปนี้ 1. รีเลชันนั้นเป็นบอยซ์คอดด์นอร์มัลฟอร์มอยู่แล ้ว 2. รีเลชันนั้นไม่มีทริเวียลมัลติแวลูดีเพนเดนซี จากรีเลชันในภาพข ้างบน เราสามารถขจัดทริเวียลมัลติแวลูดีเพนเดนซี โดยการแตกรีเลชันดังกล่าวออกเป็นรีเลชันย่อย 2 รีเลชัน ซึ่งจะทาให้ทั้งสองรีเลชันอยู่ในรู ปของนอร์มัลฟอร์มที่4 ดังภาพข ้างล่าง 6) การแปลงให้อยู่ในรูปนอร์มัลฟอร์มที่ 5 (Fifth Normal Form : 5NF) การแปลงให้อยู่ในรูปของนอร์มัลฟอร์มที่ 5 จะพิจารณาถึงการขึ้นต่อกันของข ้อมูลในการแยกข ้อมูลในรีเลชันออกเป็นรีเลชันย่อย และประก อบรีเลชันย่อยกลับเป็นรีเลชันใหญ่เช่นเดิม
- 9. ซึ่งเป็นการตรวจสอบว่าเมื่อรวมกันใหม่ด ้วยวิธีการจอยน์แล ้ว จะได ้รีเลชันกลับมาเหมือนเดิมทุก ประการหรือไม่ 6.1) จอยน์โอเปอรชัน (Join Operation) ถ ้ามี R1(X,Y) และ R2(Y,Z) R1 JOIN R2 = R3(X, Y, Z) โดยที่ t(x, y, z) อยู่ใน R3 ก็ต่อเมื่อมี t1(x,y) อยู่ใน R1 และ t2(y,z) อยู่ใน R2 6.2) จอยน์ดีเพนเดนซี (Join Dependency) ในการแยกรีเลชันออกเป็นส่วนย่อย (Decomposition) R1, R2, R3, Rn มีคุณสมบัติจอยน์ดีเพนเดนซีก็ต่อเมื่อ R1 JOIN R2 JOIN R3 … JOIN Rn = R นั่นคือเมื่อเอารีเลชันย่อยมารวมกันก็ต ้องได ้รีเลชันเดิม ที่ไม่มีข ้อมูลสูญหาย และไม่มีทัปเพิลที่เกินมา ที่เรียกว่า สพิวเรียสทัปเพิล (Spurious Tuple) 6.3) นิยามของ 5NF รีเลชันจะเป็น 5NF ถ ้า 1. รีเลชันนั้นเป็นนอร์มัลฟอร์มที่4 อยู่แล ้ว 2. การแบ่งแยกรีเลชันมีคุณสมบัติจอยน์ดีเพนเดนซี รีเลชัน วิชาเรียนประจาภาคอยู่ในรูปของนอร์มัลฟอร์มที่4 แล ้ว เนื่องจากแอตทริบิวต์ภาคการศึกษาเป็นตัวกาหนดแอตทริบิวต์รหัสวิชาหลาย ค่าในขณะที่แอต ทริบิวต์รหัสวิชา ก็เป็นตัวกาหนดแอตทริบิวต์รหัสชั้นเรียนหลายค่า รีเลชันนี้จึงไม่มีทริเวียลมัล ติแวลูดีเพนเดนซี ต่อไปเราจึงทาการทดสอบคุณสมบัตินอร์มัลฟอร์มที่ 5 ของรีเลชันวิชาเรียนประจาภาค โดยเมื่อนารีเลชันดังกล่าวมาทาการแตกย่อยออกเป็นสามรีเลชันคือ รีเลชันภาคการศึกษา รีเลชันวิชาเรียนของชั้นเรียน และ รีเลชันชั้นเรียนประจาภาค และทาการจอยน์ทั้งสามรีเลชันรวมกลับเป็นหนึ่งรีเลชันอีกครั้ง จะไ ด ้จานวนข ้อมูลเท่ากันกับรีเลชันก่อนที่จะมีแตกเป็นรีเลชันย่อยทุกประการ ซึ่งก็คือรีเลชันดังก ล่าวมีคุณสมบัติจอยน์ดีเพนเดนซีและอยู่ในรูปของนอร์มัลฟอร์มที่5 แล ้ว
- 10. รายชื่อกลุ่ม นาย พินพันธ์ คาอินทร์ ม.5/3 เลขที่1 นาย เจษฎากร เพาพันธุ์ ม.5/3 เลขที่3 นาย ณัฐวุฒิ จบไพร ม.5/3 เลขที่5 นาย วิสุทธิ์ สาวงศ์ ม.5/3 เลขที8 นาย ธนภัทร เชื้อหนองปรง ม.5/3 เลขที่ 9