[알고리즘] Programmers [1차] 캐시 #Python

[Programmers] [1차] 캐시

📍 문제 설명

캐시
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.
• cacheSize 는 정수이며, 범위는 0 ≦ cacheSize ≦ 30 이다.
• cities 는 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

---

📍 문제 풀이

📌 LRU(Least Recentrly Used) 알고리즘에 대한 정보는 LRU 알고리즘 (Least Recentely Used) 개념 및 구현방법 사이트를 참고하였다.

• cacheSize 의 크기가 0 일 경우 모든 도시(city)마다 캐시를 교체해야 한다.
  • 따라서 cacheSize 의 크기가 0 일 경우 5(cache miss) * 도시(cities)의 개수의 값을 반환한다.
• cacheSize 의 크기가 0 이 아닐 경우 cacheSize 크기를 maxlen 으로 가지는 deque 형식의 memory 를 생성한다.
• 도시 이름은 대소문자 구분을 하지 않으므로 upper() 함수를 통해 모든 도시의 이름은 대문자를 표준으로 정리한다.
• 만약 memory 에 현재 도시(city)가 저장되어 있다면 메모리에 현재 도시의 이름을 최신으로 갱신한 후 실행 시간(answer)을 1 증가시킨다.
• 만약 memory 에 현재 도시(city)가 저장되어 있지 않다면 제일 오래된 캐시를 제거하고 현재 도시의 이름을 최신으로 갱신한 후 실행 시간(answer)을 5 증가시킨다.
• 모든 작업이 종료된 후 실행 시간(answer)을 반환한다.

✍ 코드

from collections import deque
def solution(cacheSize, cities):
    if cacheSize == 0: return 5 * len(cities)
    answer = 0
    memory = deque(maxlen=cacheSize)
    for c in cities:
        city = c.upper()
        if city in memory:                  # cache hit
            memory.remove(city)
            memory.append(city)
            answer += 1
        else:                               # cache miss
            memory.append(city)
            answer += 5
    return answer