[프로그래머스] [1차] 캐시 [2018 KAKAO BLIND RECRUITMENT] [python]

[프로그래머스] [1차] 캐시 [2018 KAKAO BLIND RECRUITMENT] [python] level2

 

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 실행시간을 출력한다.

조건

• 캐시 교체 알고리즘은 LRU(Least Recently Used)를 사용한다.
• cache hit일 경우 실행시간은 1이다.
• cache miss일 경우 실행시간은 5이다.

 

 

설계 및 구현

 

접근 방법

문제에서 주어진 조건에 맞게 구현할 수 있는지 확인하는 문제이다.

LRU알고리즘을 사용한다고 나와있는데 문제에서 자세히 설명이 되어있어 이해 할 수 있다.

주어진 캐시 사이즈에 cities의 데이터를 넣으면서 cache안에 넣으려는 도시이름이 존재한다면 

cache hit 존재하지 않는다면 cache miss 로 처리하면 해결 할 수 있다.

 

my_solution

def solution(cacheSize, cities):
    res = []
    cities = [i.lower() for i in cities]
    time = 0
    if cacheSize == 0:
        return len(cities) * 5
    for i in cities:
        if i in res :
            res.pop(res.index(i))
            res.append(i)
            time += 1
        else:
            if len(res) == cacheSize:
                res.pop(0)
            res.append(i)
            time += 5
    return time

1. 먼저 대소문자 구분 없이 도시이름이 제공되기 때문에 lower을 이용하여 cities의 원소들을 소문자로 변환 시킨다.

2. 만약 cacheSize가 0이라면 모든 원소가 cache miss이기때문에 len(cities) * 5를 리턴 해준다.

3. cities를 순회하며 res에 넣으려는 원소가 존재한다면 res안의 중복되는 원소를 삭제 하고 append를 이용해 마지막 인덱스에 넣어주고  cache hit => time += 1 .

4. res에서 찾을 수 없다면 res의 0인덱스 원소를 삭제후 i삽입   hit miss => time += 5

5. 이렇게 쌓은 time는 총 실행 시간 이므로 반환하여 문제를 해결 할 수 있다.