문제설명
지도개발팀에서 근무하는 제이지는 지도에서 도시 이름을 검색하면 해당 도시와 관련된 맛집 게시물들을 데이터베이스에서 읽어 보여주는 서비스를 개발하고 있다.
이 프로그램의 테스팅 업무를 담당하고 있는 어피치는 서비스를 오픈하기 전 각 로직에 대한 성능 측정을 수행하였는데, 제이지가 작성한 부분 중 데이터베이스에서 게시물을 가져오는 부분의 실행시간이 너무 오래 걸린다는 것을 알게 되었다.
어피치는 제이지에게 해당 로직을 개선하라고 닦달하기 시작하였고, 제이지는 DB 캐시를 적용하여 성능 개선을 시도하고 있지만 캐시 크기를 얼마로 해야 효율적인지 몰라 난감한 상황이다.
어피치에게 시달리는 제이지를 도와, DB 캐시를 적용할 때 캐시 크기에 따른 실행시간 측정 프로그램을 작성하시오.
입력 형식
캐시 크기(cacheSize)와 도시이름 배열(cities)을 입력받는다.
cacheSize는 정수이며, 범위는 0 ≦ cacheSize ≦ 30 이다.
cities는 도시 이름으로 이뤄진 문자열 배열로, 최대 도시 수는 100,000개이다.
각 도시 이름은 공백, 숫자, 특수문자 등이 없는 영문자로 구성되며, 대소문자 구분을 하지 않는다. 도시 이름은 최대 20자로 이루어져 있다.
출력 형식
입력된 도시이름 배열을 순서대로 처리할 때, "총 실행시간"을 출력한다.
<조건>
캐시 교체 알고리즘은 LRU(Least Recently Used)를 사용한다.
cache hit일 경우 실행시간은 1이다.
cache miss일 경우 실행시간은 5이다.
입출력 예제
캐시크기(cacheSize) 도시이름(cities) 실행시간
3 ["Jeju", "Pangyo", "Seoul", "NewYork", "LA", "Jeju", "Pangyo", "Seoul", "NewYork", "LA"] 50
3 ["Jeju", "Pangyo", "Seoul", "Jeju", "Pangyo", "Seoul", "Jeju", "Pangyo", "Seoul"] 21
2 ["Jeju", "Pangyo", "Seoul", "NewYork", "LA", "SanFrancisco", "Seoul", "Rome", "Paris", "Jeju", "NewYork", "Rome"] 60
5 ["Jeju", "Pangyo", "Seoul", "NewYork", "LA", "SanFrancisco", "Seoul", "Rome", "Paris", "Jeju", "NewYork", "Rome"] 52
2 ["Jeju", "Pangyo", "NewYork", "newyork"] 16
0 ["Jeju", "Pangyo", "Seoul", "NewYork", "LA"] 25
문제풀이
기본개념(LFU, LRU알고리즘)
LFU알고리즘
_Lest Frequently Used의 약자로 가장 적게 참조한 페이지를 교체하는 알고리즘
LRU알고리즘
Least Recently Used의 약자로 가장 오랫동안 사용되지 않은 페이지를 교체하는 알고리즘이다.
-------------------참조값 :4 2 3 4 5 6 5 4 7-----------------
초기의 캐시를 맨 왼쪽에 흰색배경(1 2 3)이라하고 밑으로 갈수록 오래된 페이지라 가정하자.
캐시미스(cache miss) : 참조값이 캐시 안에 없으면 가장 오래된 페이지를 없애고 가장 최근 위치에 넣어준다.
*캐시히트(cache hit) : 참조값이 캐시 안에 있을경우 그 값을 빼주고 가장 최근위치에 참조값을 넣어준다.
python code
cachesize = 3
refer = [4,2,3,4,5,6,5,4,7]
cache=[]
for ref in refer:
if not ref in cache:
if len(cache)<cachesize:
cache.append(ref)
else:
cache.pop(0)
cache.append(ref)
else:
cache.pop(cache.index(ref))
cache.append(ref)
문제코드
python code
def solution(cachesize,cities):
answer=0
cache=[] ##참조 페이지를 저장하는 배열(배열의 길이=캐시사이즈)
for i in range(len(cities)):
cities[i] = cities[i].lower()
if cachesize>0:
for ref in cities:
if not ref in cache:
if len(cache)<cachesize:
cache.append(ref)
answer+=5 ##cache miss일 경우 실행시간(answer) 5
else:
cache.pop(0)
cache.append(ref)
answer+=5
else:
cache.pop(cache.index(ref))
cache.append(ref)
answer+=1
else:
answer=len(cities)*5
return answer
##python의 deque(maxlen) 함수 이용
from collections import deque
def solution(cachesize,cities):
answer = 0
cache = deque(maxlen=cachesize)
for city in cities:
city = city.lower()
if city in cache:
cache.remove(city)
cache.append(city)
answer+=1
else:
cache.append(city)
answer+=5
return answerjava code(ArrayList 사용)
import java.util.*;
class Solution{
public int solution(int cacheSize,string[] cities){
int answer = 0;
ArrayList<String> cache = new ArrayList<String>();
if(cacheSize==0)
return cities.length*5;
for(int i=0;i<cities.length();i++){
String s = cities[i].toLowerCase();
if(cache.contains(s)){
answer++;
cache.remove(s);
cache.add(s);
}
else{
answer+=5;
if(cache.size()==cacheSize){
cache.remove(0);
cache.add(s);
}
else{
cache.add(s);
}
}
}
return answer;
}
}java code(LinkedList 사용)
import java.util.*;
class Solution {
public int solution(int cacheSize, String[] cities) {
int answer = 0;
//cahce배열 선언(크기 = cahceSize)
LinkedList<String> cache = new LinkedList<>();
if(cacheSize==0)
return cities.length*5;
for(int i = 0;i<cities.length;i++){
String s = cities[i].toLowerCase();
if(cache.contains(s)){
answer++;
cache.remove(s);
cache.addFirst(s);
}
else{
answer+=5;
if(cache.size()==cacheSize){
cache.pollLast();
cache.addFirst(s);
}
else
cache.addFirst(s);
}
}
return answer;
}
}