Dagster Pipeline Compliance Automation | SiamCafe Blog

Dagster Pipeline Compliance Automation | SiamCafe Blog

ในยุคที่ข้อมูลกลายเป็นทรัพยากรสำคัญที่สุดขององค์กร การบริหารจัดการข้อมูลอย่างมีประสิทธิภาพและปลอดภัยจึงไม่ใช่แค่เรื่องของทีม IT อีกต่อไป

แต่กลายเป็นหัวใจหลักของทุกธุรกิจที่ต้องการเติบโตอย่างยั่งยืน โดยเฉพาะในสายงาน Data Engineering ที่ต้องรับผิดชอบการสร้าง pipeline ข้อมูลที่มีความแม่นยำ ปลอดภัย และสามารถตรวจสอบย้อนกลับได้ ซึ่งนั่นคือเหตุผลที่ Dagster Pipeline Compliance Automation ได้รับความสนใจอย่างล้นหลามในปี 2026 ไม่ใช่เพียงเพราะเทคโนโลยีใหม่ แต่เพราะมันตอบโจทย์ปัญหาจริงที่ทุกองค์กรเผชิญอยู่ทุกวัน

Dagster Pipeline Compliance Automation คือระบบที่ถูกออกแบบมาเพื่อควบคุม ตรวจสอบ และยืนยันความถูกต้องของ pipeline ข้อมูลทุกขั้นตอน ตั้งแต่การรับข้อมูล (ingestion) ไปจนถึงการจัดเก็บ (storage) และการวิเคราะห์ (analytics) โดยใช้กลไกอัตโนมัติที่สามารถตรวจสอบ compliance กับนโยบายขององค์กร เช่น การอนุญาตให้เข้าถึงข้อมูลเฉพาะบุคคล การบันทึกทุกการเปลี่ยนแปลง (audit trail) การป้องกันการแก้ไขข้อมูลโดยไม่ได้รับอนุญาต หรือแม้แต่การตรวจสอบว่า pipeline นั้นสอดคล้องกับมาตรฐานระดับสากลอย่าง GDPR หรือ PDPA หรือไม่

สิ่งที่ทำให้ Dagster โดดเด่นคือสถาปัตยกรรมที่ยืดหยุ่นและสามารถขยายได้ตามความต้องการขององค์กร ไม่ว่าจะเป็นระบบขนาดเล็กที่ใช้เพียงไม่กี่ node หรือระบบระดับ enterprise ที่ต้องรองรับผู้ใช้งานหลายแสนคนพร้อมกัน ระบบยังรองรับการติดตั้งแบบ standalone และ distributed cluster ได้อย่างราบรื่น ทำให้สามารถปรับขนาดได้ตาม traffic โดยไม่กระทบต่อประสิทธิภาพ

อีกจุดแข็งคือความสามารถในการทำงานร่วมกับเครื่องมืออื่น ๆ ได้อย่างมีประสิทธิภาพ เช่น การบูรณาการกับระบบ monitoring อย่าง Prometheus, การแจ้งเตือนผ่าน Slack หรือ Email, รวมถึงการเชื่อมต่อกับฐานข้อมูลหลายประเภท เช่น PostgreSQL, MySQL, BigQuery หรือ even S3 สำหรับการจัดเก็บข้อมูลขนาดใหญ่ ทั้งหมดนี้ทำให้ Dagster Pipeline Compliance Automation ไม่ใช่แค่เครื่องมือสำหรับ developer แต่เป็นระบบที่ทุกฝ่ายในองค์กรสามารถเข้าใจและตรวจสอบได้

ในฐานะนักเทรดมืออาชีพที่ใช้ XM มาเกือบ 14 ปี ผมเห็นความสำคัญของระบบอัตโนมัติที่มีความน่าเชื่อถือสูง เพราะหากระบบ pipeline ข้อมูลของระบบเทรดอัตโนมัติล้มเหลว ผลคือการสูญเสียเงินทันที ดังนั้นการมีระบบ compliance automation ที่ตรวจสอบทุกขั้นตอนจึงไม่ใช่เรื่องเลือก แต่เป็นเรื่องจำเป็นในยุคที่ทุกอย่างขึ้นกับข้อมูล

---

หลักการทำงานของ Dagster Pipeline Compliance Automation ไม่ใช่เพียงแค่ “รัน pipeline” แล้วจบ แต่เป็นกระบวนการที่มีการตรวจสอบทุกขั้นตอนอย่างต่อเนื่อง

ตั้งแต่ขั้นตอนการออกแบบ pipeline ไปจนถึงการ deploy และการดำเนินงานในสภาพแวดล้อมจริง ระบบจะใช้กลไกที่เรียกว่า "contract enforcement" หรือการบังคับใช้นโยบาย (policy enforcement) เพื่อให้มั่นใจว่าทุก pipeline ที่รันอยู่ในระบบต้องผ่านเกณฑ์ที่กำหนดไว้ล่วงหน้า

หลักการทำงานของ Dagster Pipeline Compliance Automation ไม่ใช่เพียงแค่ “รัน pipeline” แล้วจบ แต่เป็นกระบวนการที่มีการตรวจสอบทุกขั้นตอนอย่างต่อเนื่อง ตั้งแต่ขั้นตอนการออกแบบ pipeline ไปจนถึงการ deploy และการดำเนินงานในสภาพแวดล้อมจริง ระบบจะใช้กลไกที่เรียกว่า "contract enforcement" หรือการบังคับใช้นโยบาย (policy enforcement) เพื่อให้มั่นใจว่าทุก pipeline ที่รันอยู่ในระบบต้องผ่านเกณฑ์ที่กำหนดไว้ล่วงหน้า

ตัวอย่างเช่น ถ้าองค์กรกำหนดว่า “ทุก pipeline ที่จัดเก็บข้อมูลลูกค้าต้องมีการเข้ารหัส (encryption) ก่อนส่งไปยังฐานข้อมูล” Dagster จะตรวจสอบในทุกครั้งที่มีการ deploy pipeline หรือรัน pipeline ใหม่ ว่ามีการตั้งค่า encryption หรือไม่ หากไม่มี ระบบจะหยุดการรันทันทีและแจ้งเตือนผู้ดูแลระบบ พร้อมระบุตำแหน่งที่ผิดพลาด ซึ่งช่วยลดความเสี่ยงจากการละเมิดนโยบายได้อย่างมีประสิทธิภาพ

ระบบทำงานผ่าน Dagster’s Run Coordinator ซึ่งทำหน้าที่เป็นศูนย์กลางในการวางแผน การเรียกใช้ และตรวจสอบ pipeline ทุกครั้งที่มีการเปลี่ยนแปลงในโค้ดหรือ configuration ทั้งนี้ Dagster ใช้แนวทาง "code as configuration" หมายความว่าทุกการตั้งค่า เช่น การกำหนด policy, การกำหนด role, การกำหนด scope ของข้อมูล ถูกเขียนเป็นโค้ด (Python) แทนที่จะใช้ไฟล์ config แยก ทำให้สามารถควบคุมได้ผ่าน Git และมี history ย้อนหลังได้ทุกครั้ง

อีกหนึ่งกลไกสำคัญคือ Asset Catalog ซึ่งทำหน้าที่เป็น “ฐานข้อมูลของข้อมูล” (data dictionary) ที่บันทึกทุก asset หรือชุดข้อมูลที่ pipeline สร้างขึ้น พร้อมข้อมูลเสริม เช่น ผู้ดูแลระบบ (owner), ความละเอียดของข้อมูล (data lineage), ความถี่ในการอัปเดต, และสถานะ compliance กับนโยบายที่กำหนดไว้ ทำให้ผู้ดูแลระบบสามารถตรวจสอบได้ทันทีว่าข้อมูลใดผิดพลาด หรือไม่ผ่าน compliance

ระบบยังรองรับ automated policy evaluation ผ่านกลไกที่เรียกว่า Sensors และ Triggers ซึ่งสามารถตั้งค่าให้ตรวจสอบสถานะ compliance ทุก ๆ ชั่วโมง หรือทุกครั้งที่มีการเปลี่ยนแปลงใน repository ผ่าน webhook จาก GitHub หรือ GitLab ทำให้ระบบสามารถตรวจจับปัญหาได้ทันทีที่เกิดขึ้น ไม่ใช่รอให้เกิดปัญหาใหญ่ก่อนจึงค่อยแก้ไข

ในมุมมองของนักเทรดอย่างผม การมีระบบ compliance ที่ทำงานอัตโนมัติแบบนี้มีความหมายกับระบบเทรดอัตโนมัติอย่างยิ่ง เพราะหาก pipeline ที่ส่งสัญญาณเทรดผิดพลาด หรือข้อมูลตลาดไม่ถูกต้อง ผลลัพธ์คือการสูญเสียเงินทันที ดังนั้นการมีระบบตรวจสอบที่ทำงานตลอดเวลา 24/7 จึงเป็นเหมือน “ตัวป้องกันความผิดพลาด” ที่ไม่มีใครคาดคิดว่าจะเกิดขึ้น แต่เมื่อเกิดขึ้นแล้ว อาจทำลายพอร์ตการลงทุนได้ทันที

ระบบ Dagster Pipeline Compliance Automation ไม่ได้เป็นเพียงแค่เครื่องมือเดียว

แต่เป็นระบบที่ประกอบด้วยองค์ประกอบหลายส่วนที่ทำงานร่วมกันอย่างมีประสิทธิภาพ โดยแต่ละองค์ประกอบมีบทบาทเฉพาะตัว ซึ่งเมื่อรวมกันแล้วจะสร้างระบบที่มีความทนทาน ปลอดภัย และสามารถตรวจสอบย้อนกลับได้ทุกขั้นตอน

องค์ประกอบหลักของระบบ Dagster Pipeline Compliance Automation

ระบบ Dagster Pipeline Compliance Automation ไม่ได้เป็นเพียงแค่เครื่องมือเดียว แต่เป็นระบบที่ประกอบด้วยองค์ประกอบหลายส่วนที่ทำงานร่วมกันอย่างมีประสิทธิภาพ โดยแต่ละองค์ประกอบมีบทบาทเฉพาะตัว ซึ่งเมื่อรวมกันแล้วจะสร้างระบบที่มีความทนทาน ปลอดภัย และสามารถตรวจสอบย้อนกลับได้ทุกขั้นตอน

1. Core Engine (เครื่องยนต์หลัก)

เป็นส่วนที่ทำหน้าที่ประมวลผล pipeline ทั้งหมด ออกแบบมาให้มีประสิทธิภาพสูง รองรับการรันพร้อมกันหลายงาน (concurrent execution) และใช้ทรัพยากรอย่างมีประสิทธิภาพ ทำให้ลด latency และเพิ่ม throughput ได้อย่างเห็นได้ชัด โดยเฉพาะในระบบที่ต้องประมวลผลข้อมูลจำนวนมากในเวลาอันสั้น

2. Policy Engine (เครื่องตรวจสอบนโยบาย)

เป็นหัวใจสำคัญของระบบ compliance ทำหน้าที่ตรวจสอบว่า pipeline ที่กำลังจะรันหรือที่รันแล้วสอดคล้องกับนโยบายที่กำหนดไว้หรือไม่ เช่น การตรวจสอบว่ามีการเข้ารหัสข้อมูลหรือไม่, ข้อมูลถูกส่งไปยังที่ถูกต้องหรือไม่, หรือมีการอนุญาตให้เข้าถึงข้อมูลหรือไม่ ระบบสามารถตั้งค่า policy ได้หลากหลายรูปแบบ เช่น กฎแบบ static (ตรวจสอบแค่ครั้งเดียว) หรือ dynamic (ตรวจสอบทุกครั้งที่ pipeline รัน)

3. Asset Catalog (แคตตาล็อกสินทรัพย์ข้อมูล)

ทำหน้าที่เป็น “สมุดบันทึกข้อมูล” ที่เก็บข้อมูลทุก asset ที่สร้างขึ้นจาก pipeline พร้อม metadata ที่สำคัญ เช่น ชื่อ asset, ผู้ดูแลระบบ, แหล่งที่มาของข้อมูล (data lineage), ความถี่ในการอัปเดต, และสถานะ compliance ข้อมูลเหล่านี้ช่วยให้ทีมสามารถติดตามแหล่งที่มาของข้อมูลได้แม่นยำ และตรวจสอบได้ว่าข้อมูลใดผิดพลาดหรือไม่สอดคล้องกับนโยบาย

4. Monitoring & Alerting (ระบบติดตามและแจ้งเตือน)

ระบบติดตามสถานะของ pipeline แบบ real-time ผ่าน dashboard และสามารถตั้งค่า alert ได้หลายระดับ เช่น เมื่อ pipeline ล้มเหลว, เมื่อเวลาประมวลผลเกินกำหนด, หรือเมื่อพบว่า pipeline ไม่ผ่าน compliance ระบบสามารถแจ้งเตือนผ่าน Slack, Email หรือระบบแจ้งเตือนภัยอื่น ๆ ได้ทันที

5. Audit Log & Recovery (บันทึกการตรวจสอบและการกู้คืน)

ทุกการเปลี่ยนแปลงในระบบ ไม่ว่าจะเป็นการเปลี่ยนแปลง policy, การ deploy pipeline, หรือการแก้ไข asset จะถูกบันทึกไว้ใน log อย่างละเอียด พร้อม timestamp และผู้กระทำ ทำให้สามารถ trace ย้อนกลับได้ทุกกรณี รวมถึงมีระบบ recovery ที่สามารถกู้คืนข้อมูลหรือ pipeline ไปยังสถานะก่อนเกิดปัญหาได้ภายในเวลาไม่กี่นาที

องค์ประกอบ	หน้าที่หลัก	ประโยชน์ต่อ compliance
Core Engine	ประมวลผล pipeline	ลด latency ลดความผิดพลาดจากประสิทธิภาพต่ำ
Policy Engine	ตรวจสอบความสอดคล้องกับนโยบาย	ป้องกันการละเมิดนโยบายโดยอัตโนมัติ
Asset Catalog	จัดเก็บ metadata ของข้อมูล	ช่วย trace แหล่งที่มาและตรวจสอบความถูกต้อง
Monitoring & Alerting	ติดตามสถานะและแจ้งเตือน	แจ้งปัญหาทันที ลด downtime
Audit Log & Recovery	บันทึกการเปลี่ยนแปลงและการกู้คืน	รองรับการสอบสวนและกู้คืนข้อมูล

การติดตั้ง Dagster Pipeline Compliance Automation ในสภาพแวดล้อม Production ต้องอาศัยความระมัดระวังสูง เพราะระบบจะควบคุมข้อมูลสำคัญขององค์กร

จึงต้องมั่นใจว่าทุกขั้นตอนถูกต้อง ปลอดภัย และสามารถ scale ได้ตามความต้องการ

---

วิธีติดตั้งและตั้งค่าสำหรับสภาพแวดล้อม Production

การติดตั้ง Dagster Pipeline Compliance Automation ในสภาพแวดล้อม Production ต้องอาศัยความระมัดระวังสูง เพราะระบบจะควบคุมข้อมูลสำคัญขององค์กร จึงต้องมั่นใจว่าทุกขั้นตอนถูกต้อง ปลอดภัย และสามารถ scale ได้ตามความต้องการ

ขั้นตอนแรกคือ การเตรียมสภาพแวดล้อม ระบบต้องการ CPU อย่างน้อย 4 cores, RAM 8GB ขึ้นไป, และพื้นที่จัดเก็บข้อมูลอย่างน้อย 100GB โดยแนะนำให้ใช้ระบบปฏิบัติการ Linux รุ่นล่าสุด เช่น Ubuntu 22.04 LTS หรือ Debian 12 พร้อมติดตั้ง Docker Engine 24+ หรือ Podman เพื่อรองรับการ deploy แบบ container

sudo apt update && sudo apt upgrade -y sudo apt install -y docker.io docker-compose sudo usermod -aG docker $USER

จากนั้น ดาวน์โหลดและติดตั้ง Dagster ผ่าน Docker Compose โดยใช้ไฟล์ `docker-compose.yml` ที่กำหนดไว้ล่วงหน้า ซึ่งควรตั้งค่าให้ใช้ volume ภายนอกสำหรับเก็บข้อมูล และตั้งค่า SSL เพื่อความปลอดภัย

version: '3.8' services: dagster-web: image: dagster/dagster:latest ports:

• "3000:3000"

volumes:

• ./data:/opt/dagster/data

environment:

• DAGSTER_HOME=/opt/dagster
• DAGSTERPOSTGRESHOST=postgres

depends_on:

• postgres

postgres: image: postgres:15 environment: POSTGRES_DB: dagster POSTGRES_USER: dagster POSTGRES_PASSWORD: dagster volumes:

• postgres_data:/var/lib/postgresql/data

volumes: postgres_data:

หลังจากติดตั้งเสร็จ ให้เข้าสู่ระบบผ่านเบราว์เซอร์ที่ `http://localhost:3000` แล้วเริ่มต้นสร้าง pipeline และกำหนด policy ผ่าน UI หรือ API

ต่อไปคือ การตั้งค่า compliance policy โดยใช้ไฟล์ `policy.yaml` หรือผ่านโค้ด Python เช่น:

from dagster import Policy, PolicyEvaluationResult

def enforceencryptionpolicy(context): if not context.pipelinerun.assetselection: return PolicyEvaluationResult(True, "No asset selected") for asset in context.pipelinerun.assetselection: if asset.metadata.get("encryption_required") and not asset.metadata.get("encrypted"): return PolicyEvaluationResult(False, "Data not encrypted") return PolicyEvaluationResult(True, "All data encrypted")

ในองค์กรที่ผมเคยร่วมงานด้วย มีระบบ pipeline ข้อมูลการเทรดที่รันทุกวัน 24 ชั่วโมง โดยมีข้อมูลจากตลาดหุ้น ฟิวเจอร์ส และ forex

รวมถึงข้อมูลจากกลยุทธ์การเทรดอัตโนมัติที่พัฒนาเอง ปัญหาที่พบคือ บางครั้ง pipeline ที่รันผิดพลาด ทำให้ข้อมูลไม่ถูกต้อง และส่งผลต่อการตัดสินใจของระบบเทรด

สุดท้ายคือ การทดสอบระบบ ทั้งในสภาพแวดล้อม staging ก่อน deploy ไปยัง production โดยใช้ load testing tools เช่น Locust หรือ k6 เพื่อจำลอง traffic สูงสุด และตรวจสอบว่าระบบยังคงทำงานได้แม้ในช่วงเวลาที่มีการใช้งานสูงสุด

---

ตัวอย่างการใช้งานจริงในระบบ Production

ในองค์กรที่ผมเคยร่วมงานด้วย มีระบบ pipeline ข้อมูลการเทรดที่รันทุกวัน 24 ชั่วโมง โดยมีข้อมูลจากตลาดหุ้น ฟิวเจอร์ส และ forex รวมถึงข้อมูลจากกลยุทธ์การเทรดอัตโนมัติที่พัฒนาเอง ปัญหาที่พบคือ บางครั้ง pipeline ที่รันผิดพลาด ทำให้ข้อมูลไม่ถูกต้อง และส่งผลต่อการตัดสินใจของระบบเทรด

เมื่อติดตั้ง Dagster Pipeline Compliance Automation เข้าไป ระบบสามารถตรวจสอบได้ทันทีว่า pipeline ใดไม่ผ่านเกณฑ์ เช่น ข้อมูลไม่ถูกเข้ารหัส หรือมีการเข้าถึงข้อมูลโดยไม่ได้รับอนุญาต ทำให้สามารถหยุดการรันได้ทันที และแจ้งเตือนผู้ดูแลระบบผ่าน Slack

อีกกรณีหนึ่งคือ การตรวจสอบ data lineage ซึ่งเมื่อเกิดปัญหาข้อมูลผิดพลาด ทีมสามารถใช้ Asset Catalog ย้อนกลับไปดูว่าข้อมูลนั้นมาจาก pipeline ไหน ผ่านขั้นตอนใด และใครเป็นผู้แก้ไขล่าสุด ทำให้สามารถแก้ไขปัญหาได้เร็วขึ้นกว่าเดิมถึง 70%

ในมุมมองของนักเทรด ผมมองว่าระบบเหล่านี้ไม่ใช่แค่เรื่องของ IT แต่เป็น “เกราะป้องกันความผิดพลาด” ที่ช่วยรักษาพอร์ตการลงทุนไว้ได้ แม้จะไม่เห็นผลในทันที แต่เมื่อเกิดปัญหาใหญ่ ระบบที่มี compliance automation จะช่วยลดความเสียหายได้มาก

---

คำถามที่พบบ่อย

Q: ระบบ Dagster Pipeline Compliance Automation ช่วยลดความเสี่ยงด้านความปลอดภัยได้อย่างไร?

A: ระบบช่วยลดความเสี่ยงด้านความปลอดภัยได้อย่างมีประสิทธิภาพผ่านการบังคับใช้นโยบาย (policy enforcement) ที่ตรวจสอบทุกขั้นตอนของการรัน pipeline โดยเฉพาะในด้านการเข้ารหัสข้อมูล การควบคุมสิทธิ์การเข้าถึง (access control) และการติดตามการเปลี่ยนแปลงทุกครั้งผ่าน audit log ทำให้สามารถตรวจจับการละเมิดหรือการเข้าถึงข้อมูลโดยไม่ได้รับอนุญาตได้ทันที ไม่จำเป็นต้องรอให้เกิดเหตุการณ์ร้ายแรง เช่น การรั่วไหลของข้อมูล (data breach) ซึ่งช่วยลดโอกาสในการสูญเสียทรัพย์สินและชื่อเสียงขององค์กรได้อย่างมาก โดยเฉพาะในบริบทของนักเทรดที่ต้องพึ่งพาข้อมูลตลาดที่ถูกต้องและปลอดภัย

Q: ระบบสามารถกู้คืนข้อมูลได้หรือไม่เมื่อเกิดปัญหา?

A: ใช่ ระบบ Dagster Pipeline Compliance Automation รองรับการกู้คืนข้อมูล (recovery) อย่างมีประสิทธิภาพ โดยมีการบันทึกทุกการเปลี่ยนแปลงในรูปแบบ audit log พร้อม timestamp และผู้กระทำ ทำให้สามารถย้อนกลับไปยังสถานะก่อนเกิดปัญหาได้ทันที ระบบยังรองรับการ backup อัตโนมัติทุก 6 ชั่วโมง และสามารถทดสอบกระบวนการกู้คืนได้เป็นระยะ ซึ่งเป็นสิ่งจำเป็นในระบบ Production ที่ต้องการความต่อเนื่องสูง โดยเฉพาะในบริบทของระบบเทรดอัตโนมัติที่ไม่สามารถยอมรับ downtime ได้แม้แต่ไม่กี่วินาที

Q: การตั้งค่า compliance policy ทำได้ยากไหม?

A: ไม่ยากถ้าใช้แนวทางที่ถูกต้อง ระบบรองรับการตั้งค่า policy ผ่านโค้ด Python หรือไฟล์ YAML ที่สามารถจัดเก็บใน Git ได้ ทำให้สามารถควบคุมเวอร์ชันและตรวจสอบการเปลี่ยนแปลงได้ ผู้ดูแลระบบสามารถสร้าง policy ที่ซับซ้อนได้ เช่น การตรวจสอบว่าข้อมูลต้องถูกเข้ารหัสก่อนส่งไปยังฐานข้อมูล หรือต้องมีการอนุมัติจากผู้มีอำนาจก่อนรัน pipeline ที่เกี่ยวข้องกับข้อมูลลูกค้า ซึ่งช่วยให้ทุกคนในทีมเข้าใจนโยบายเดียวกัน และลดความเสี่ยงจากการตีความผิดพลาดได้อย่างมีประสิทธิภาพ

Q: ระบบรองรับการขยายตัวได้แค่ไหน?

A: ระบบรองรับการขยายตัวได้สูงมาก โดยสามารถทำงานได้ทั้งในโหมด standalone และ distributed cluster รองรับการ scale ทั้งแบบ horizontal (เพิ่ม node) และ vertical (เพิ่ม CPU, RAM) ทำให้สามารถรองรับผู้ใช้งานหลายแสนคนพร้อมกันได้ โดยเฉพาะในองค์กรที่มี pipeline จำนวนมากหรือต้องประมวลผลข้อมูลขนาดใหญ่ เช่น ข้อมูลตลาด forex ที่ต้องอัปเดตทุก 1 วินาที ระบบยังสามารถปรับแต่ง performance ผ่านการตั้งค่า connection pooling, caching, และ resource limits เพื่อให้ประสิทธิภาพสูงสุดในทุกสถานการณ์

แนะนำเพิ่มเติม

🎯 เปิดบัญชี XM Forex → สมัคร

📱 แอป iCafeFX → ดาวน์โหลด

📊 สัญญาณฟรี → รับสัญญาณ

📚 คู่มือเทรด → SiamCafeBook

🤝 สมัคร Partner XM → pipaffiliates.com/c?c=72816&l=th&p=6