문제
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.
조건
캐시 교체 알고리즘은 LRU(Least Recently Used)를 사용한다.
cache hit일 경우 실행시간은 1이다.
cache miss일 경우 실행시간은 5이다.
입력
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
입력된 도시이름 배열을 순서대로 처리할 때, "총 실행시간"을 출력한다.
예제 입력
캐시크기(cacheSize) : 3
도시이름(cities) : ["Jeju", "Pangyo", "Seoul", "NewYork", "LA", "Jeju", "Pangyo", "Seoul", "NewYork", "LA"]
예제 출력
50
내가 했던 풀이
- cache Map을 초기화해준다. minValue를 0으로 minKey를 ""으로 초기화해준다.
- 만약 cacheSize가 0일 경우, cities의 크기×5를 한 값을 answer로 저장해준다. (cacheSize가 0일 경우는 예외로 처리해주어야 결과에 오류가 없다.)
- cacheSize가 0이 아닐 경우, minValue는 i로 두고 cities 배열을 순회하면서 아래 연산을 수행한다.
- cache에 cities[i]가 있는 경우, cache에 있는 cities[i]의 값을 i로 바꿔준 뒤, 실행시간을 1 증가시켜준다. (앞으로 나올 모든 cities[i]는 모두 소문자로 변환된 값을 의미한다. 그 이유는 도시 이름에 대소문자를 구분하지 않기 때문이다.)
- cache에 cities[i]가 없고, cache의 크기가 cacheSize 이상일 경우, cache 중 value가 가장 작은 값을 찾아서 해당 value와 key를 minValue와 minKey에 저장한 뒤, cache에서 해당 요소를 삭제해주고, cities[i]를 i로 추가해준다. 실행시간을 5 증가시켜준다.
- 4번과 5번에 해당하지 않을 경우, cache에 cities[i]를 i로 저장하고, 실행시간을 5 증가시켜준다.
- 3번~6번을 cities의 크기만큼 반복한다.
- answer(실행시간)을 출력한다.
코드
function solution(cacheSize, cities) {
var answer = 0;
let cache = new Map();
let minValue = 0;
let minKey = "";
if(cacheSize===0) {
answer = cities.length*5;
} else {
for(let i=0; i<cities.length; i++) {
minValue = i;
if(cache.has(cities[i].toLowerCase())) {
cache.set(cities[i].toLowerCase(), i);
answer += 1;
} else if(cache.size>=cacheSize) {
cache.forEach((value, key) => {
if(minValue>value) {
minValue = value;
minKey = key;
}
});
cache.delete(minKey);
cache.set(cities[i].toLowerCase(), i);
answer += 5;
} else {
cache.set(cities[i].toLowerCase(), i);
answer += 5;
}
}
}
return answer;
}회고
문제가 운영체제에서 가장 좋아했던 알고리즘 중에 하나여서 문제 풀이하면서 재밌게 풀이했다. 난 약간 카카오 문제가 취향인 것 같다. 카카오 문제를 풀 때는 왜이리 재밌는지..! 이번 문제는 문제만 보면 헉 나 DB 잘 모르는데!라고 생각돼서 어렵다고 느껴졌는데 막상 LRU 알고리즘이 나오니까 어떻게 풀어야할지 바로 생각이 났다. 그럼에도 불구하고 아쉽게 한 번 틀렸는데 cacheSize가 0일 때를 놓친 것이다. 예제에도 0이 있었는데 잘 출력이 돼서 문제가 없구나! 하고 있었는데 다른 테스트케이스를 넣으니까 오류가 있었다. (날 방심하게 했어...) 항상 예외같은 부분에서 자주 틀리는 것 같다. 일부러 노리는 게 많겠지만 방심하지 말고 항상 의심하면서 풀어야겠다.
