[level 2] [1차] 캐시 - 17680

[level 2] [1차] 캐시 - 17680

문제 링크

성능 요약

메모리: 125 MB, 시간: 39.65 ms

구분

코딩테스트 연습 > 2018 KAKAO BLIND RECRUITMENT

채점결과

정확성: 100.0
합계: 100.0 / 100.0

제출 일자

2024년 09월 20일 13:39:18

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.
• 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

 

---

LRU 알고리즘이란?? 

LRU(Least Recently Used) : 가장 오랫동안 참조되지 않은 페이지를 교체하는 방식

https://www.geeksforgeeks.org/lru-cache-implementation/

LRU Cache - Complete Implementation - GeeksforGeeks

 

최근에 탐색한 페이지를 head쪽에 저장하며, 페이지 교체 과정 중 최근에 나오지 않은 가장 마지막 값(tail)을 삭제한다.

 

Cache Hit : CPU가 참조하고자 하는 메모리가 캐시에 존재하고 있을 경우

Cache Miss : CPU가 참조하고자 하는 메모리가 캐시에 존재하지 않을 경우

해결 답안

import java.util.*;

class Solution {
    public int solution(int cacheSize, String[] cities) {
        cities = Arrays.stream(cities).map(String::toLowerCase).toArray(String[]::new);
        if(cacheSize == 0) return 5 * cities.length;
        
        int answer = 5; // 처음에 들어가는 값은 무조건 cache miss
        
        Queue<String> q = new LinkedList<>();
        
        q.add(cities[0]);
        for(int i = 1; i<cities.length; i++){
            if(q.contains(cities[i])){ //cache hit
                q.remove(cities[i]);
                q.add(cities[i]);
                answer++;
            }else{ //cache miss
                if(q.size() == cacheSize){ // queue 사이즈가 다 찬 경우
                    q.poll();
                    q.add(cities[i]);
                }else{ // queue 사이즈가 다 차지 않은 경우
                    q.add(cities[i]);
                }
                answer+=5;
            }
        }
        return answer;
    }
}

접근 방식

1. 대소문자를 구분하지 않기에 주어진 배열을 모두 소문자로 변환
2. 예외처리 : cacheSize의 범위는 0<= cacheSize <= 30 으로 cacheSize가 0인 경우는 모두 cache miss로 처리됨
3. Queue 자료구조와 비슷한 형식으로 동작된다고 생각하여 선언 이후, 첫 게시물은 반드시 cache miss이므로 answer 값을 5로 초기화 이후 cities[0] 의 값을 Queue에 추가
4. cache hit인 경우, cache miss인 경우로 구분
   1. cache hit
      • cache hit인 경우에도 cities[i] 값이 새롭게 조회된 것이므로 Queue에서 cities[i] 값을 제거 후 다시 추가
      • answer++;
   2. cache miss
      • Queue의 크기가 cacheSize 만큼 다 차있는지, 안차있는지로 구분
        • Queue 크기가 모두 차있을 때
          • 마지막으로 조회 된 값을 제거하고 cities[i]을 추가
        • Queue 크기가 모두 차있지 않을 때
          • cities[i] 추가
      • cache miss이므로 answer += 5;