<2252번 줄 세우기>

N명의 학생들을 키 순서대로 줄을 세우려고 한다.
각 학생의 키를 직접 재서 정렬하면 좋지만 키를 재지 못한다.
두 학생의 키를 비교하는 방법으로 정렬을 한다.
모든 학생들을 다 비교해 본 것이 아니라 일부 학생들의 키만들 비교해 보았다.
일부 학생들의 키를 비교한 결과가 주어진다.
줄을 세우는 프로그램을 작성해라.

<자료구조>

N: 학생의 수 -> 2^51e3 -> 정수 자료혐
M: 키를 비교한 횟수 -> 1e6 -> 정수 자료형
A,B: 두 학생의 번호 -> 번호는 1~2^51e3이고 A가 B의 앞에 서야 한다.

키가 작은 학생앞에 올 수 있는 학생 수를 기록할 수 있는 배열: int[]
키가 큰 학생의 뒤로 올 수 있는 학생을 저장하는 인접리스트: ArrayList

<알고리즘>

N명의 학생들을 M번 비교한 정보가 주어진다.
키를 비교한 결과는 선형이며 순환하지 않는다. -> 사이클이 없고, 방향성에 거스르지 않도록 순서가 형성된다.
학생들을 앞에서부터 줄을 세운다.
여러 가지 경우가 있을 경우 아무거나 출력한다.

키가 작은 학생의 앞의 학생수(진입차수)를 기록하여 가장 키가 큰학생(진입차수가 0인 학생)이 앞에 오도록 탐색을 한다.
최초에 본인보다 키가 큰학생이 없는 학생을 큐에 넣고 뒤로 오는 학생보다 앞에올 수 있는 학생 수(진입차수)를 감소시킨다.
그렇게 탐색을 진행하면서 키가 큰 학생들이 빠지면서 키가 작은 학생의 진입차수가 0이 되면(남아있는 학생들 중에서 키가 가장 커지면) q에 넣어준다.

q에 들어간 순서는 graph의 리스트 정렬 순서에 따라 달라 질 수 있고, 선후관계는 보장된다.

<시간 복잡도>

인접 리스트로 진출할(키가 작은 학생)을 그래프로 표현하여 시간복잡도가 O(E+V)로 32,000+100,000 시간 여유가 있다.

<공간 복잡도>

25681024*1024 bit 제한

• 32 bit : 정점의 개수를 저장하는 정수 자료형
• 32 bit : 간선의 개수를 저장하는 정수 자료형
• 32*1000 + 100000 bit: 다음에 올 수 있는 학생을 저장하는 인접 리스트
• 32(321000) bit: 정수 자료형을 담는 큐( 키가 가장 큰 학생들을 순서대로 담는 큐, 연결리스트로 구현되어 크기 가변)
• 32(321000+100000) bit: 결과를 담는 리스트
  제한보다 작은 값을 가짐으로 가능하다.

<어려웠던 점>

문제에서 학생의 키를 정점으로 사용하고, 비교하여 얻은 선후관계를 방향으로 하는 그래프까지는 유추가 되었다.
하지만 가장 먼저오는 학생을 지정할 수 있는 방법이 떠오르지 않았다. 앞에서 구현이 막혔음으로 당연하게 다음으로 올 수 있는 학생을 구현하지 못했다.
따라서, 위상정렬을 큐로 구현하는 일반적인 방법을 참고했다.
위상정렬은 순서가 있고, 순환하지 않는 그래프의 형태를 보인다. 문제에서 순환하지 않음을 확인하고 방향성을 유지하는 정렬을 원한다면 위상정렬을 고려할 필요가 있다.
또한, 인접리스트와 큐를 활용하여 구현할 경우 시간 복잡도 또한 BFS와 동일함으로 문제에서 위의 특징으로 구분해서 알고리즘을 선정해야한다.

다음으로 올 수 있는 노드를 저장하는 그래프와 앞에 올 수 있는0(즉, 진입할 수 있는) 노드의 개수를 저장하는 배열을 활용하여 순서를 보장하여 정렬을 하는 방법을 기억하고 활용하자.

해결 코드

import java.io.*;
import java.util.*;

public class Main{
    static FastReader scan = new FastReader();
    static StringBuilder sb = new StringBuilder();
    static int[] inDegree;
    static ArrayList<ArrayList<Integer>> listGraph;
    static int N;
    static int M;

    static void input(){
        N = scan.nextInt();
        M = scan.nextInt();
        listGraph = new ArrayList<ArrayList<Integer>>();
        int i;
        for(i=0;i<N+1;i++) listGraph.add(new ArrayList<Integer>());
        inDegree = new int[N+1];
        int a,b;
        for(i=0; i<M; i++){
            a = scan.nextInt();
            b = scan.nextInt();
            listGraph.get(a).add(b);
            inDegree[b]++;
        }
    }
    static void topologySort(){
        ArrayList<Integer> result = new ArrayList<Integer>();
        Queue<Integer> q = new LinkedList<Integer>();
        for(int i=1;i<N+1;i++)
            if(inDegree[i]==0) q.offer(i);

        while(!q.isEmpty()){
            int cur = q.poll();
            result.add(cur);
            for(int nxt: listGraph.get(cur)){
                inDegree[nxt]--;
                if(inDegree[nxt]==0) q.offer(nxt);
            }
        }

        for(int i: result) sb.append(i).append(' ');
        System.out.println(sb);
    }

    static void pro(){
        topologySort();
    }

    public static void main(String[] args){
        input();
        pro();
    }

    static class FastReader{
        BufferedReader br;
        StringTokenizer st;

        FastReader(){
            br = new BufferedReader(new InputStreamReader(System.in));
        }
        String next(){
            while(st==null||!st.hasMoreElements()){
                try{
                    st = new StringTokenizer(br.readLine());
                }catch(IOException e){
                    e.printStackTrace();
                }
            }
            return st.nextToken();
        }
        int nextInt(){
            return Integer.parseInt(next());
        }
    }
}

<11725번 트리의 부모 찾기>

<문제 설명>

루트가 없는 트리가 주어진다.
트리의 루트를 1이라고 정했을 때, 각 노드의 부모를 구하는 프로그램을 작성해라.
노드의 개수는 2에서 10만개이다.
트리 상에 연결된 두 정점의 정보가 주어진다.

<접근 방법>

루트가 없는 트리 정보가 주어지고, 트리의 루트를 1이라고 정했을 대의 각 노드의 부모를 구해야 하므로
1번 노드로 부터 탐색을 시작하면 연결된 노드들은 자식노드일 것이다.

i번째 노드에서 연결된 노드를 탐색할 때 BFS혹은 DFS 방식으로 탐색할 수 있다.
bfs로 구현하여 풀었다.

<공간 복잡도>

인접행렬로 구현시 메모리 초과
인접행렬로 구현했을 때 O(VE) -> 1e51e5 메모리 256mb(=256(1e6)바이트) 초과

인접리스트로 간선 정보만 저장하여 해결
인접리스트로 BFS탐색을 구현하여 O(V+E) -> 1e5+1e5 메모리 256mb(=256(1e6)바이트) 미만

<시간 복잡도>

인접행렬로 구현시 시간 초과
인접행렬로 구현했을 때 O(VE) -> 1e51e5 시간초과

인접리스트로 간선 정보만 저장하여 해결
인접리스트로 BFS탐색을 구현하여 O(V+E) -> 1e5+1e5

<소요시간>

1시간 20분

<어려웠던 점>

간선의 정보를 저장하는 자료구조를 선정할 때 메모리와 시간복잡도를 고려해야하는 부분이 어려웠습니다.
주로 인접행렬방식을 이용했었는데, 인접리스트로 메모리와 시간복잡도를 줄일 수 있는 방법을 알게 되었습니다.
메모리와 시간복잡도를 생각하여 자료구조를 선정해야겠습니다.

해결 코드

import java.io.BufferedReader;
import java.util.StringTokenizer;
import java.io.InputStreamReader;
import java.io.IOException;
import java.util.Queue;
import java.util.LinkedList;
import java.util.ArrayList;

public class Main{
    static FastReader scan = new FastReader();
    static StringBuilder sb = new StringBuilder();
    static ArrayList<ArrayList<Integer>> graph;
    static int[] parentNode;
    static int N;

    static void input(){
        N = scan.nextInt(); // 노드의 개수 입력
        graph = new ArrayList<ArrayList<Integer>>(); // 트리의 각 노드에 연결된 노드 번호 기록
        int i;
        for(i=0; i<N+1;i++) graph.add(new ArrayList<Integer>());
        parentNode = new int[N+1]; // i번째 노드의 부모노드 번호 저장

        int v1, v2;
        for(i=1; i<N; i++){
            v1 = scan.nextInt(); // 트리 상에서 연결된 두 정점
            v2 = scan.nextInt();
            graph.get(v1).add(v2); // 연결된 노드의 번호 저장
            graph.get(v2).add(v1);
        }
    }

    static void bfs(int n){
        Queue<Integer> q = new LinkedList<Integer>();
        q.offer(n);
        while(!q.isEmpty()){
            int parent = q.poll();
            for(int child : graph.get(parent)){
                if (parentNode[child]==0){ // 자식노드의 부모노드를 기록하지 않은 경우
                    parentNode[child]=parent; // 현재 노드를 부모노드로 기록-
                    q.offer(child); // 자식노드를 q에 추가
                }
            }
        }
    }

    static void pro(){
        parentNode[1]=-1;
        bfs(1); // 루트 1에서 부터 자식 노드를 방문하여 부모노드 기록
        for(int i=2; i<N+1; i++) sb.append(parentNode[i]).append("\n");
        System.out.println(sb);
    }

    public static void main(String[] args){
        input();
        pro();
    }

    static class FastReader{
        BufferedReader br;
        StringTokenizer st;

        FastReader(){
            br = new BufferedReader(new InputStreamReader(System.in));
        }

        String next(){
            while(st==null||!st.hasMoreElements()){
                try{
                    st = new StringTokenizer(br.readLine());
                }catch(IOException e){
                    e.printStackTrace();
                }
            }
            return st.nextToken();
        }

        int nextInt(){
            return Integer.parseInt(next());
        }
    }
}

이중 우선순위 큐

오답 1 - 틀렸습니다

• 문제에서 각 값의 중복을 허용(같은 값이 있을 시 구분하여 삭제)하고 있다는 점을 발견하지 못하고 HashSet을 사용하여 이중 우선순위 큐를 구현하여 틀렸다.
• 다음으로 넘어가 중복을 구분할 수 있는 다른 풀이로 도전.
• HashSet 참고: https://coding-factory.tistory.com/554
• Double Ended Priority Queue 참고: https://www.geeksforgeeks.org/double-ended-priority-queue/

import java.util.Collections;
import java.util.HashSet;
import java.util.Scanner;
import java.util.Set;

public class Main {

    // HashSet을 사용하여 이중 우선순위 큐를 구현한다.
    static class DualPriorityQueue{
        Set<Integer> s;
        DualPriorityQueue(){
            s = new HashSet<Integer>();
        }

        int size(){
            return s.size();
        }

        boolean isEmpty(){
            return (s.size()==0);
        }

        void insert(int x){
            s.add(x);
        }

        int getMax(){
            return Collections.max(s,null);
        }

        void deleteMax(){
            if (s.size() == 0) return;
            s.remove(Collections.max(s,null));
        }

        int getMin(){
            return Collections.min(s,null);
        }

        void deleteMin(){
            if (s.size() == 0) return;
            s.remove(Collections.min(s,null));
        }


    }
    public static void main(String[]args){
        /*[문제]
        이중 우선순위 큐
        우선순위 큐와의 공통점 삽입, 삭제할 수 있는 자료 구조인 점
        전형적인 큐와의 차이점 삭제할 때 연산 명령에 따라 우선순위가 가장 높은 데이터 또는 가장 낮은 데이터 중 하나를 삭제하는 점

        이중 우선순위 큐의 두 가지 연산
        데이터를 삽입
        (우선순위가 가장 낮은 것/우선순위가 가장 높은 것) 데이터를 삭제

        정수만 저장하는 이중 우선순위 큐
        저장된 각 정수의 값 자체를 우선순위로 간주
        큐에 적용될 일련의 연산이 주어질 때 이를 처리한 후 최종적으로 큐에 저장된 데이터 중 최댓값과 최솟값을 출력 */

        // 표준입력을 사용한다.
        // T개의 테스트 데이터를 입력받는다.
        Scanner scan = new Scanner(System.in);
        int t = scan.nextInt();
        for(int i=0; i<t; i++){
            // 이중 우선순위 큐를 선언한다.
            DualPriorityQueue dpq = new DualPriorityQueue();

            // Q에 적용할 연산의 개수를 나타내는 정수 k를 입력받는다.
            int k = scan.nextInt();
            for(int j=0;j<k;j++){
                // 연산을 나타내는 문자와 정수 n을 입력받는다.
                String str = scan.next();
                int n = scan.nextInt();
                // I n인 경우 n을 dpq에 삽입
                if (str.equals("I")) dpq.insert(n);
                // D 1인 경우 최댓값을 삭제
                else if (str.equals("D") && n==1) dpq.deleteMax();
                // D -1인 경우 최솟값을 삭제
                else if (str.equals("D") && n==-1) dpq.deleteMin();
            }

            if (dpq.isEmpty()) System.out.printf("EMPTY");
            else {
                System.out.printf(dpq.getMax()+" "+dpq.getMin());
            }
        }
    }
}

오답 2 - 시간 초과

• 우선순위 큐는 힙을 이용하여 구현하는 것이 일반적이기 때문에 최대, 최소를 알고 싶기 때문에 최소힙, 최대힙을 사용하여 구현해보았다.
• 하지만, getMin, getMax구현부에서 remove을 사용해 특정 값을 지우게 되는데 여기서 시간 복잡도가 O(n)으로 시간초과가 발생하게 된다. 왜냐하면 내부적으로 contains() 사용하게 되는데 탐색에서 O(n)이 되게된다.
• Priority Queue 참고: https://coding-factory.tistory.com/603
• Priority Queue remove time complexity 참고: https://stackoverflow.com/questions/12719066/priority-queue-remove-complexity-time

import java.util.*;

public class Main {

    /*
        풀이 설계
        1. 삽입, 삭제 연산
        2. 우선순위에 다른 최대, 최소 값 탐색 필요
        3. 입력된 요청에 따라 삽입, 최대 삭제, 최소 삭제 -> 로직
        4. 정수를 저장하며 값 자체가 우선순위

        입력
        1. T개의 테스트
        2. K개의 연산 -> 100만 개의 값
            문자 명령어와 정수 값

        출력
        1. 최종적으로 자료구조에 저장된 최대, 최소 출력.
            비어있는 경우 "EMPTY"
    */

    static class DualPriorityQueue{

        PriorityQueue<Integer> minHeap;
        PriorityQueue<Integer> maxHeap;

        DualPriorityQueue(){
            minHeap = new PriorityQueue<Integer>();
            maxHeap = new PriorityQueue<Integer>(Collections.reverseOrder());
        }

        int size(){
            return minHeap.size()+ maxHeap.size();
        }

        boolean isEmpty(){
            return (size() == 0);
        }

        void insert(int n){
            minHeap.offer(n);
            maxHeap.offer(n);
        }

        int getMax(){
            if (maxHeap.size() == 0) return 0;
            int max = maxHeap.poll();
            minHeap.remove(max);
            return max;
        }

        int getMin(){
            if (minHeap.size() == 0) return 0;
            int min = minHeap.poll();
            maxHeap.remove(min);
            return min;
        }
    }

    public static void main(String[]args){
        Scanner scan = new Scanner(System.in);

        int T = scan.nextInt();
        for(int i=0; i<T; i++){

            DualPriorityQueue dpq = new DualPriorityQueue();

            int K = scan.nextInt();

            for(int j=0;j<K;j++){
                String str = scan.next();
                int n = scan.nextInt();

                if (str.equals("I")) dpq.insert(n);
                else if (str.equals("D") && n==1) dpq.getMax();
                else if (str.equals("D") && n==-1) dpq.getMin();
            }

            if (dpq.isEmpty()) System.out.println("EMPTY");
            else {
                System.out.println(dpq.getMax()+" "+dpq.getMin());
            }
        }
    }
}

해결 코드 - 맞았습니다!!

• TreeMap은 키와 값이 저장된 Map으로 Key와 개수를 저장하여 구현하였다.
• 또한, TreeMap은 저장 동시에 오름차순으로 정렬하여 최대값, 최소값을 바로 알 수 있다.
• TreeMap은 이진탐색트리의 문제점을 보완한 Red-Black Tree로 이루어져 있어 편향된 값 탐색도 문제가 없다.
• 풀이 참고: https://codeung.tistory.com/315
• TreeMap 참고:https://coding-factory.tistory.com/557
• TreeMap getOrDefault(key,defaultValue) method 참고: https://www.geeksforgeeks.org/hashmap-getordefaultkey-defaultvalue-method-in-java-with-examples/

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.*;

public class Main {

    /*
        풀이 설계
        1. 삽입, 삭제 연산
        2. 우선순위에 다른 최대, 최소 값 탐색 필요
        3. 입력된 요청에 따라 삽입, 최대 삭제, 최소 삭제 -> 로직
        4. 정수를 저장하며 값 자체가 우선순위

        입력
        1. T개의 테스트
        2. K개의 연산 -> 100만 개의 값
            문자 명령어와 정수 값

        출력
        1. 최종적으로 자료구조에 저장된 최대, 최소 출력.
            비어있는 경우 "EMPTY"
    */

    public static void main(String[]args) throws IOException {
        BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
        StringBuilder sb = new StringBuilder();
        StringTokenizer st = null;

        int T = Integer.parseInt(br.readLine());
        for(int i=0; i<T; i++){

            TreeMap<Integer,Integer> treeMap = new TreeMap<>();
            int K = Integer.parseInt(br.readLine());

            for(int j=0;j<K;j++){
                st = new StringTokenizer(br.readLine());
                String str = st.nextToken();
                int n = Integer.parseInt(st.nextToken());

                if (str.equals("I")) treeMap.put(n, treeMap.getOrDefault(n,0)+1);
                else if (str.equals("D") && n==1 && !treeMap.isEmpty()){
                    int maxKey = treeMap.lastKey();
                    if(treeMap.get(maxKey) == 1) {
                        treeMap.remove(maxKey);
                    }else {
                        treeMap.put(maxKey, treeMap.get(maxKey) - 1);
                    }
                }
                else if (str.equals("D") && n==-1 && !treeMap.isEmpty()){
                    int minKey = treeMap.firstKey();
                    if(treeMap.get(minKey) == 1) {
                        treeMap.remove(minKey);
                    }else {
                        treeMap.put(minKey, treeMap.get(minKey) - 1);
                    }
                }
            }

            if (treeMap.isEmpty()) sb.append("EMPTY\n");
            else {
                sb.append(treeMap.lastKey()+" "+treeMap.firstKey()+"\n");
            }
        }
        System.out.println(sb);
    }
}

[Programmers] 조이스틱 -Python3

문제분석

1. 관찰
- "A"*len(name) 상태에서 주어진 name을 만들기위해 조이스틱을 상하좌우로 움직이는 최소 횟수를 구해야한다.
- 상하로 움직이는 경우는 각 자리의 문자와 "A"의 유니코드 정수의 차이를 사용하여 최소 횟수를 구할 수 있다.
- 하지만, 좌우로 이동하는 경우는 A의 유무, A의 연속된 길이, A의 위치에 따라 움직임을 고려해 주어야 하기 때문에 이를 고려하여 최소 움직임을 구해야한다.

- 다른 풀이들을 참고하였지만, 좌측으로 움직임, 우측으로 움직임을 수식으로 정리하여 최소 값을 구하는 방식이 직관적으로 이해가 되지 않았다.
- 따라서, 좌우 이동의 최소횟수를 구하기 위해서 최단거리를 구하는데 일반적으로 사용되는 BFS 알고리즘으로 접근하였다.

-  "A"*len(name)에서 주어진 name을 만들기 위해 A가 아닌 곳을 바꾸기위해 최소로 움직이며 모두 방문하여 주어진 name과 일치하도록 만들어주어야한다.
- 역으로, 주어진 name이 모두 A가 되게하는 최소 이동거리를 구해준다.

- name이 "A"*len(name)이 될 때까지 BFS를 해주며 좌우로 이동한 거리를 누적해준다.
- 이때, "A"*len(name)을 가장 빨리 만족하는 경우를 찾기위해 deque에 현재 name 의 상태를 deepcopy하여 기록해나가야한다.

2. 복잡도
- O(len(name) + len(name)) = 20 + 20 = 40
- 검토 필요

3. 자료구조
- 이름: str[]
- BFS: deque

해결코드

from collections import deque

def bfs(name):
    q = deque([(list(name), 0, 0)])

    while q:
        name_list, lr_cnt, idx = q.popleft()
        name_list[idx]='A'

        if name_list.count('A') == len(name):
            return lr_cnt

        for i in [-1,1]:
            name_copy = name_list[:]
            q.append((name_copy, lr_cnt+1, idx+i))

def solution(name):
    up_cnt = sum([min(abs(ord('A')-ord(n)), 26-abs(ord('A')-ord(n))) for n in name])
    lr_cnt = bfs(name)
    return up_cnt + lr_cnt

[Programmers] 징검다리 -Python3

문제분석

1. 관찰
- 맨 처음에는 n개를 지울 수 있는 모든 경우를 조합으로 구하여
모든 케이스에 대한 가장 작은 차이값 중 가장 큰 값을 출력하는 방식으로 접근했다.
- 하지만, 문제에서 주어진 것처럼 바위의 개수는 5만개이며 시작과 끝의 차이는 10억이다.

  - 5만개의 바위에서 n개를 제거한 조합을 찾는 시간복잡도는 5만이며
모든 케이스의 차이값을 탐색하기위해서는 5만*5만 이상이 소요된다. 
  - 따라서, 이 문제는 완전 탐색으로 접근하면 효율성 TC에 의해서 통과하지 못한다.

- 시간 복잡도를 개선하기위해서 이분탐색으로 문제를 접근해본다.
- 이분탐색으로 접근하게된다면 10억도 30번이면 탐색이 가능하고, 5만은 16번이면 탐색가능하다.

- 그래서, 어떻게 풀이를 해야하나?

- 우리가 찾는 값은 바위 n개를 제거했을 때 각 바위 사이의 거리를 측정하여 나온 최소거리 중에서 최대값이다.
- 따라서, 이분 탐색으로 찾는 값을 바위를 지우기 위한 최소 간격으로 설정하고 문제를 접근해 보아야 한다.

- 투 포인터를 통해 최소간격보다 작은 경우 해당 바위를 지운다. (시간복잡도 : len(rocks) => 5만)

- 지워진 바위의 개수가 n보다 크면 상한값을 축소(최소 간격을 감소)시키고,
- 지워진 바위의 개수가 n이하이면 하한값을 축소(최소 간격을 증가)시킨다. 

- 그렇게 n개를 지우는 경우에 대하여 low와 high가 같아질 때 까지 이분탐색을 반복해주면 mid 값은 n개를 제거하는 최소간격 중 최대값을 만족한다.

2. 복잡도
- O(log2(dis)*rocks) = 16*5만 => 약 90만
- 이분탐색을 통해 가능

3. 자료구조
- 바위 거리 : int[]
- n개를 제거하는 간격: int

해결코드

def solution(distance, rocks, n):

    answer = 0
    rock_list = sorted(rocks) + [distance] # 50,000

    low = 0
    high = distance
    idx=0

    while low <= high: # log2(50,000) = 약 16
        mid = (low+high)//2
        current = 0
        remove = 0 

        idx += 1
        for rock in rock_list:
            diff = rock - current 
            if diff >= mid:
                current = rock
            else:
                remove += 1

        if remove > n:
            high = mid -1
        else:
            low = mid + 1 
            answer = mid 

    return answer

[Programmers] 전력망을 둘로 나누기 -Python3

문제분석

1. 관찰
- 송전탑이 전선을 통해 하나의 트리(Tree) 형태로 연결되어 있다.
- 따라서 송전탑은 '노드', 전선은 '간선'으로 이해할 수 있다.

- 문제에서 요구하기를 전력망 네트워크를 2개로 분할하려고 한다.
- 주어진 간선의 개수가 99개 이하임으로 완전 탐색을 구현해도 된다.
  - wires 중 하나를 제거하면 네트워크가 2개로 분할되는 것을 이용해 완전 탐색을 한다.

- 2개로 분할된 모든 경우에 대하여 두 네트워크의 노드 개수를 비교하고 최소값을 출력한다.
  - 분할된 한 네트워크에 대하여 BFS하여 노드의 개수를 구한다.
  - 전체 노드의 개수 n을 사용하여 두 네트워크의 노드의 개수를 비교한다.

2. 복잡도
- O(V*(V+E)) =  99 * (99 + 100)  => 그냥 가능이다.
- 합리적으로 완전탐색을 시도할 수 있다.

3. 자료구조
- 트리: int[][]
- 방문 처리: int[]

해결코드

from collections import deque

def bfs(tree, start, visited):
    q = deque([start])
    visited.append(start)
    while q:
        now = q.popleft()
        for nxt in tree[now]:
            if nxt not in visited:
                q.append(nxt)
                visited.append(nxt)
    return len(visited)

def solution(n, wires):

    answer = n

    for i in range(len(wires)):
        tree = [[] for _ in range(n)]
        for idx, wire in enumerate(wires):
            if idx==i:
                continue
            tree[wire[0]-1].append(wire[1]-1)
            tree[wire[1]-1].append(wire[0]-1)

        one = bfs(tree, 0, [])

        result = abs((n - one) - one)

        if answer > result:
            answer = result

    return answer

이번 시간에는 AOP가 필요한 상황에 대해 알아보고 시간을 호출하는 기능을 AOP를 적용해 구현해보겠습니다.

AOP가 필요한 상황

• 모든 메소드의 호출 시간을 측정하고 싶다면?
  • 공통 관심 사항(cross-cutting concern) vs 핵심 관심 사항(core concern)
• 회원 가입 시간, 회원 조회 시간을 측정하고 싶다면?

다음과 같은 문제가 발생합니다.

• 회원가입, 회원 조회에 시간을 측정하는 기능은 핵심 관심 사항이 아니다.
• 시간을 측정하는 로직은 공통 관심 사항이다.
• 시간을 측정하는 로직을 별도의 공통 로직으로 만들기 매우 어렵다.
• 시간을 측정하는 로직을 변경할 때 모든 로직을 찾아가면서 변경해야한다.

AOP 적용

• AOP: Aspet Oriented Programming
  • 공통 관심 사항(cross-cutting concern) vs 핵심 관심 사항(core concern) 분리
• @Aspect, @Component로 시간 측정 AOP를 등록합니다.
  •  AOP는 특이한 케이스이기 때문에 보통 config에서 스프링 빈을 등록해줍니다.
  • Around를 통해 원하는 적용 범위를 설정하여 AOP를 적용할 수 있습니다.

AOP를 사용하여 위의 문제를 해결합니다.

• 회원가입, 회원 조회 등 핵심 관심사항과 시간을 측정하는 공통 관심 사항을 분리한다.
• 시간을 측정하는 로직을 별도의 공통 로직으로 만들었다.
• 핵심 관심 사항을 깔끔하게 유지할 수 있다.
• 변경이 필요하면 이 로직만 변경하면 된다.
• 원하는 적용 대상을 선택할 수 있다.

스프링의 AOP 동작 방식

• Proxy라는 기술을 써서 동작, DI를 통해 가능

AOP 적용 전 의존관계

AOP 적용 후 의존관계

AOP 적용 전 전체 그림

AOP 적용 후 전체 그림

콘솔을 보면 Proxy가 주입된는 것을 확인할 수 있습니다.

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

스프링 DB 접근 기술

스프링 데이터 엑세스

• 순수 Jdbc
• 스프링 JdbcTemplate
• JPA
• 스프링 데이터 JPA

이번시간에는 H2 데이터 베이스를 사용하여 DB를 연동하고 4가지 스프링 DB 접근 기술을 적용해보며 장단점을 비교해보겠습니다.

이전에 스프링 설정으로 맴버 서비스와 리포지토리를 컨테이너에 등록하여 DI를 변경하기 쉽도록 구현해 놓았습니다. 따라서, 기술들을 차례대로 구현하면서 설정을 변경하여 DI해주고 테스트도 진행해 보겠습니다.

H2 데이터베이스 설치

DB 연동을 위해 데이터베이스를 준비하겠습니다.

MySQL 계열의 H2 데이터 베이스를 셋팅합니다. 개발이나 테스트 용도로 가볍고 편리한 DB이며, 웹 화면도 제공합니다.

1. 다운로드 및 설치
   • 정상적인 동작을 위해 스프링 부트 버전에 맞추어 1.4.200 버전을 다운받고 설치합니다.
2. 실행 (윈도우 기준)
   • 커멘드 창을 열고 H2/bin 경로에서 h2.bat 으로 실행
3. 데이터베이스 파일 생성 후 접속
   • jdbc:h2:~/test (최초 한번)
   • ~/test.mv.db 파일 생성 확인
   • 이후부터는 jdbc:h2:tcp://localhost/~/test 이렇게 접속
4. 테이블 생성
   • H2 데이터베이스에 접근하여 member 테이블 생성
   • 테이블 관리를 위해 프로젝트 루트에 sql/ddl.sql 파일을 생성하여 쿼리 저장

순수 Jdbc 리포지토리 구현

환경 설정

• build.gradle 파일에 jdbc, h2 데이터베이스 관련 라이브러리 추가
• 스프링 부트 데이터베이스 연결 설정 추가

Jdbc 리포지토리 구현
JDBC API로 직접 코딩하는 것은 20년 전에 사용하던 방식입니다. 따라서, 참고만 하고 넘어갑니다.
코드는 생략하겠습니다.

• Spring을 통해 데이터소스를 주입받는다.
• 데이터소스에서 커낵션을해서 sql을 작성하고 excute해서 쿼리를 날린다.
  • DataSource는 데이터베이스 커넥션을 획득할 때 사용하는 객체입니다. 스프링 부트는 데이터베이스 커넥션 정보를 바탕으로 DataSource를 생성하고 스프링 빈으로 만들어둡니다.따라서 DI를 받을 수 있습니다.

구현 클래스를 추가한 구조는 다음과 같습니다.

스프링 설정을 통해 구현 클래스 DI를 변경합니다.

• 개방-폐쇄 원칙(OCP, Open-Closed Priciple)을 지키면서 손쉽게 구현 클래스를 변경하였습니다.
  • 확장에는 열려있고, 수정(변경)에는 닫혀있다.
  • 객체지향의 다형성의 개념을 활용하면 이렇게 기능을 완전히 변경해도 애플리케이션 전체를 수정할 필요가 없습니다. 조립하는 코드만 수정하면 기능을 완전히 변경할 수 있습니다.
• 스프링의 DI(Dependencies Injection)을 사용하면 "기존 코드를 전혀 손대지 않고, 설정만으로 구현 클래스를 변경"할 수 있습니다.

스프링 통합 테스트

스프링 컨테이너와 DB까지 연결한 통합 테스트를 진행해보겠습니다.
이전의 테스트 코드는 순수 자바 테스트 코드입니다. 지금은 DB 접근 정보(DataSource)를 스프링 부트에서 관리하고 있기 때문에 테스트를 스프링과 연동하여 진행해야 합니다.

• @SpringBootTest: 스프링 컨테이너와 테스트를 함께 실행합니다.
• @Transactional: 테스트 케이스에 이 어노테이션이 있으면, 테스트 시작 전에 트랙잭션을 시작하고, 테스트 완료 후에 항상 롤백한다. 이렇게 하면 DB에 데이터가 남지 않으므로 다음 테스트에 영향을 주지 않습니다.

스프링 JdbcTemplate

• 순수 Jdbc와 환경설정이 동일합니다.
• 스프링 JdbcTemplate과 Mybatis 같은 라이브러리는 JDBC API에서 본 반복 코드를 대부분 제거해줍니다. 하지만 SQL은 직접 작성해야 합니다.

왜 템플릿인가?

디자인 패턴 중 템플릿 메서드 패턴을 많이 활용하여 코드를 줄였기 때문 등등...

• 스프링 JdbcTemplate 회원 리포지토리를 생성하고,JdbcTemplate을 사용하도록 스프링 설정 변경합니다.

JPA

• JPA는 기존의 반복 코드는 물론이고, 기본적인 SQL도 JPA가 직접 만들어서 실행해줍니다.
• JPA를 사용하면, SQL과 데이터 중심의 설계에서 객체 중심의 설계로 패러다임을 전환할 수 있습니다.
• JPA를 사용하면 개발 생산성을 크게 높일 수 있습니다.

build.gradle 파일에 JPA, h2 관련 라이브러리 추가

• spring-boot-starter-data-jpa는 내부에 jdbc 관련 라이브러리를 포함하기 때문에 jdbc는 제거합니다.

스프링 부트에 JPA설정 추가

• show-sql:JPA가 생성하는 SQL출력, ddl-auto: 테이블 자동생성 기능 (none: 끄기, create: 엔티티 정보로 테이블 직접 생성)

JPA 엔티티 매핑

• @Entitiy 사용
• @Id 지정
• @GeneratedValue(startedy = GenerationType.IDENTITY) 설정

JPA 회원 리포지토리 구현

서비스 계층에 트랜잭션 추가

• org.springframework.transaction.annotation.Transactional 사용
• 스프링은 해당 클래스의 메서드를 실행할 때 트랙잭션을 시작하고, 메서드가 정상 종료되면 트랜잭션을 커밋합니다. 만약 런타임 예외가 발생하면 롤백합니다.
• JPA를 통한 모든 데이터 변경은 트랜잭션 안에서 실행해야 합니다.

JPA를 사용하도록 스프링 설정 변경

스프링 데이터 JPA

JPA도 좋은데... 스프링 데이터 JPA는 더?

• 스프링 부트와 JPA만 사용해도 개발 생산성이 정말 많이 증가하고, 개발해야할 코드도 확연히 줄어듭니다.
• 여기에 스프링 데이터 JPA를 사용하면, 기존의 한계를 넘어 마치 마법처럼, 리포지토리에 구현 클래스 없이 인터페이스 만으로 개발을 완료할 수 있습니다.
• 그리고 반복 개발해온 기본 CRUD 기능도 스프링 데이터 JPA가 모두 제공합니다.

Spring Data JPA는 왜 써야 하는가?

• 스프링 부트와 JPA라는 기반 위에, 스프링 데이터 JPA라는 환상적인 프레임워크를 더하면 개발이 정말 즐거워집니다.
• 지금까지 조금이라도 단순하고 반복이라 생각했던 개발 코드들이 확연하게 줄어듭니다.
• 따라서 개발자는 핵심 비즈니스 로직을 개발하는데, 집중할 수 있습니다.
• 실무에서 관계형 데이터베이스를 사용한다면 스프링 데이터 JPA는 이제 선택이 아니라 필수 입니다.

• 앞의 JPA 설정을 그대로 사용합니다.

스프링 데이터 JPA 회원 리포지토리를 구현하고, 스프링 데이터 JPA 회원 리포지토리를 사용하도록 스프링 설정을 변경합니다.

• 스프링 데이터 JPA가 SpringDataJpaMemberRepository를 스프링 빈으로 자동 등록해줍니다.

스프링 데이터 JPA는 다음과 같이 클래스를 제공하며 기능들이 구현되어있습니다. 

• 인터페이스를 통한 기본적인 CRUD 기능
• findByName(), findByEmail() 처럼 메서드 이름 만으로 조회 기능 제공
• 페이징 기능 자동 제공

참고

실무에서는 JPA와 스프링 데이터 JPA를 기본으로 사용하고, 복잡한 동적 쿼리는 Querydsl이라는 라이브러리를 사용하면됩니다. Querydsl을 사용하면 쿼리도 자바 코드로 안전하게 작성할 수 있고, 동적 쿼리를 편리하게 작성할 수 있습니다. 이 조합으로 해결하기 어려운 쿼리는 JPA가 제공하는 네이티브 쿼리를 사용하거나, 앞서 학습한 스프링 JdbcTemplate를 사용하면 됩니다.

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

이번시간에는 회원관리 웹의 홈 화면, 등록, 조회 기능을 개발 하겠습니다.

홈 화면 추가

HomeController에 @Gettmapping("/") 으로 등록하여 templates/home.html 을 반환합니다.

• 컨트롤러가 정적 파일보다 우선순위가 높기 때문에 기존에 만들었던 static/index.html은 우선순위에 의해서 무시되고 template/home.html 이 반환됩니다.

회원 등록 기능

• 컨트롤러
  • get 메서드로 호출시 회원 등록 화면 불러오기, post 메서드로 호출시 회원 등록 컨트롤러 응답

• 회원 등록 폼 Html

• 등록 화면에서 데이터를 전달 받을 폼 객체
  • 스프링이 폼에 setter로 매핑해서 전달 받는다.

• 컨트롤러에서 등록 후 홈으로  리다이렉트 => "redirect:/"

회원 조회 기능

• 컨트롤러에서 모델에 List를 담아서 화면에 넘겨줍니다. 
  • thymleaf 템플릿 엔진에서 모델 데이터를 Html에 렌더링하여 반환

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

지금까지 멤버의 객체, 서비스, 리포지토리를 만들었습니다.앞으로 회원 가입을 하고 회원 목록을 보여주는 컨트롤러를 작업할 것입니다. 컨트롤러에서 맴버 서비스와 리포지토리를 통해서 회원가입을하고 데이터를 조회할 수 있어야합니다. 이러한 관계를 컨트롤러가 서비스를 의존한다고 하며, 스프링의 방식으로 의존관계를 설정해보겠습니다.

컴포넌트 스캔과 자동 의존관계 설정

우선 멤버 컨트롤러를 만들어줍니다. 이때, @Controller라는 어노테이션이 있으면 스프링이 뜰 때 객체를 생성해서 스프링 컨테이너에서 관리를 합니다. 그렇기 때문에 스프링과 관련된 기능들이 동작할 수 있게 됩니다. @Autowired 어노테이션으로 Spring 컨테이너에서 Member 서비스를 가져옵니다.

기존에 작성된 맴버 서비스는 순수 자바 클래스 입니다. 따라서, 스프링에서 알 수 있도록 @Service를 붙여줍니다. 그리고, 맴버 리포지토리를 사용할 수 있도록  @Autowired로 리포지토리를 연결합니다.

리포지토리도 마찬가지로 구현체에 @Repository 를 붙여 스프링에서 알 수 있도록 해줍니다.

멤버 컨트롤러에서 사용할 수 있도록 서비스를 @Autowired 해주는 것, 서비스에서 리포지토리를 사용할 수 있도록 @Autorwired 해주는 것을 의존성을 주입한다고 합니다. 참고로, 생성자가 1개만 있으면 @Autowired는 생략가능합니다.

스프링 빈 등록 이미지

등록된 스프링 빈 의존관계를 표현하면 다음과 같습니다.

스프링 빈을 등록하는 방법은 2가지가 있습니다. 2가지 방법을 모두 알아야합니다.

우선 앞서 등록한 방식을 컴포넌트 스캔 방식이라고 하며 원리는 다음과 같습니다.

컴포넌트 스캔 원리

• @Conponent 어노테이션이 있으면 스프링 빈으로 자동 등록된다.
• @Component 를 포함하는 다음 어노테이션들은 컴포넌트 스캔으로 스프링 빈으로 자동 등록됩니다.
  • @Controller
  • @Service
  • @Repository
• 스프링은 컨테이너에 스프링 빈을 등록할 때, 기본으로 싱글톤으로 등록합니다.(유일하게 하나만 등록해서 공유한다.) 따라서 같은 스프링 빈이면 모두 같은 인스턴스입니다.

자바 코드로 직접 스프링 빈 등록하기

향후 메모리 리포지토리를 다른 리포지토리로 변경할 예정이므로, 회원 서비스와 리포지토리의 @Service, @Repository, @Aurowired 어노테이션을 제거하고 자바 코드로 직접 스프링 빈을 등록해보겠습니다. 

• SpringConfig를 직접 작성합니다.
  • @Configuration 을 등록하고, @Bean으로 작성합니다.
• Controller는 스프링이 관리하는 것이기 때문에 어쩔 수 없음, 컴포넌트 스캔방식으로 하면 됩니다.

참고사항

DI에는  필드 주입, setter 주입, 생성자 주입 3가지 방식이 있습니다. 의존관계가 실행중에 동적으로 변경하는 경우가 거의 없으므로 (실무에서는 거의 0) 생성자 주입을 주로 사용하며 권장합니다. 

• 필드 주입은 DI를 사용하여 객체를 바꿀 수 있는 방법이 없어 권장하지 않습니다.
• Setter 방식은 public으로 열려있어 set으로 다른 곳에서도 조작 가능합니다. 실행되는 어플리케이션은 변경되면 곤란합니다.

당연한 이야기이지만 @Autowired를 통한 DI는 스프링이 관리하는 객체 (스프링 컨테이너에 등록된 스프링 빈) 에서만 동작합니다. 스프링 빈으로 등록하지 않고 직접 생성한 객체에서는 동작하지 않습니다.

정형화된 컨트롤러, 서비스, 리포지토리는 컴포넌트 스캔을 사용합니다. 정형화 되지 않거나, 상황에 따라 구현 클래스를 변경해야 하면 설정을 통해 스프링 빈으로 등록합니다.

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

앞서 웹 개발 방법을 비교 학습해보았습니다. 이번에는 아주 간단한 회원 관리 예제를 통해 실습을 해보겠습니다. 개발 순서은 다음과 같이 진행하겠습니다.

• 비지니스 요구사항 정리
• 회원 도메인과 리포지토리 만들기
• 회원 리포지토리 메모리 구현체 테스트
• 회원 서비스 개발
• 회원 서비스 테스트

비지니스 요구사항 정리

• 데이터: 회원ID, 이름
• 기능: 회원 등록, 조회
• 데이터 저장소는 미정인 시나리오를 가정하고 개발 시작

일반적인 웹 어플리케이션 계층 구조

• 컨트롤러: 웹 MVC의 컨트롤러 역할
• 서비스: 핵심 비지니스 로직 구현
• 리포지토리: 데이터베이스에 접근, 도메인 객체를 DB에 저장하고 관리
• 도메인: 비지니스 도메인 객체. 예) 회원, 주문, 쿠폰 등을 주로 데이터베이스에 저장하고 관리됨

클래스 의존관계

• 데이터 저장소가 미정인 상황임으로, 우선 인터페이스로 구현 클래스를 변경할 수 있도록 설계
• 데이터 저장소는 RDB, NoSQL등 다양한 저장소를 고민중인 상황으로 가정
• 개발을 진행하기 위해서 초기 개발 단계에서는 구현체로 가벼운 메모리 기반의 데이터 저장소 사용

회원 도메인과 리포지토리 만들기

객체, 리포지토리 인터페이스, 리포지토리 구현체를 만들어줍니다. 

• Optional: Java 8 의 기능, null 처리 방법, Null이 될 가능성이 있을경우 Optional.ofNullable 을 감싼다
• MemoryMemberRepository 에서 저장하기 위한 변수 생성
  • 공유되는 변수일 때에는 동시성 문제가 있을 수 있기 때문에 실무에서는 concurrent 해시를 사용해야지만, 예제임으로 HashMap으로 진행
• 마찬가지로 sequence도 Long이 아니라, Atomic Long을 사용해야하지만 예제임으로 그냥 Long 사용
• findByName
  • Java 8의 Lambda 사용

회원 리포지토리 메모리 구현체 테스트

개발한 기능을 실행해서 테스트할 때 자바의 main 메소드를 통해서 실행하거나 웹 어플리케이션의 컨트롤러를 통해서 해당 기능을 실행한다. 이러한 방법은 준비하고 실행하는데 오래 걸리고, 반복 실행하기 어렵고 여러 테스트를 한번에 실행하기 어렵다는 단점이 있다. 자바는 JUnit이라는 프레임워크로 테스트를 실행해서 이런한 문제를 해결한다.

• Assertions
  • org.assertj.core.api.Assertions.*;가 사용이 편리하여 잘 이용되며, static으로 import하여 쓰면 assertThat과 같은 기능을 바로 사용하기 편리하다.
• 테스트는 순서와 상관없이 서로 의존 관계없이 설계되어야 한다. 따라서, 하나의 테스트가 끝나면 저장소와 같은 공유되는 것을 초기화 해주어야한다. 그러므로 @AfterEach를 사용해 repository를 지우도록 한다.
• 테스트 케이스를 먼저 작성하고 클래스를 만들어 동작을 확인 하는 방식을 TDD라고 한다.

회원 서비스 개발

• 비지니스 로직을 작성한다.
  • 회원 이름 중복 검증로직을 작성하는데, 이를 함수화하면 재사용성을 높일 수 있다.

회원 서비스 테스트

• 서비스에서 테스트 만들기를 통해 쉽게 만들 수 있다.
• 서비스 테스트 리포지토리가 서로 다른 객체인 것을, 서비스에서 MemberRepository를 직접 생성하는 것이 아니라 외부에서 넣어주도록 변경
• 이러한 것을 DI (Dependency Injection)라고 한다.

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

웹을 개발하는 방법은 크게 3가지가 있습니다.

1) 정적 컨텐츠

• 그냥 서버에서 하는 것 없이 파일을 그대로 보내주는 방식

2) MVC와 템플릿 엔진

• Model, View, Controller 역할을 나누어서 처리하는 방식
• 정정 컨텐츠와 차이: MVC와 템플릿엔진은 Controller, Model, View를 사용하여 조작된 내용을 반환
• 비교: model1 방식에서는 구성요소인 JSP가 Controller와 View역할을, Java Bean이 Model 역할을 담당 참고

3) API

• JSON같은 데이터 포멧으로 클라이언트에 데이터를 보내주는 방식

위 3가지 방식을 동작방식과 함께 좀 더 알아보겠습니다.

정적 컨텐츠

• Spring 프로젝트 내의 static 경로에 정적 파일을 작성하게 되면 올린 파일 그대로 반환받을 수 있다.
• 동작 방식

• 웹 브라우저에서 static 파일을 요청하면 (localhost:8080/hello-static.html) 스프링 내장 톰켓 서버에서 관련 컨트롤러가 있는지 찾아보고, 없으면 리소스의 정적파이에서 찾아서 반환한다.

MVC와 템플릿 엔진

• MVC: Model, View, Controller
• Controller: 로직과 관련된 부분을 담당
• View: 화면과 관련된 부분을 담당
• Model: 전달하는 데이터를 담당
• 동작 방식

• 웹브라우저에서 http://localhost:8080/hello-mvc?name=원하는 내용 을 요청하면 Controller에서 hello-mvc를 찾아 hello-template에 model(name:spring) viewResoler로 전달
• Thymeleaf 템플릿 엔진 처리하여 HTML로 반환

• 특징: 화면에 원하는 데이터를 렌더링하여 전달

API

• 동작방식

• @ResponseBody를 사용
  • HTTP의 BODY에 문자 내용을 직접 반환
  • viewResolver 대신에 HttpMessageConverter가 동작
  • JsonConverter -> 객체를 Json 형식으로 반환
    • 기본 객체처리: MappingJacksonMessageConverter
  • StringConverter -> 문자를 문자 그대로 반환
    • 기본 문자처리: StringHttpMessageConverter

• 차이점: view 없이 바로 HTTP에 데이터를 실어서 전달

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

윈도우 환경에서 빌드하고 실행하기

빌드하기에 앞서 java --version확인을 하시고, 인텔리제이 실행은 종료하여야합니다.

• 명령 프롬프트(cmd)로 이동합니다.
• 명령 프롬프트에서 gradlew build로 빌드합니다.

• 빌드하면 build 디렉토리가 생성됩니다.
• cd build/libs로 이동하여 .jar 파일을 확인합니다.

• .jar 파일을 실행하면, 화면이 정상적으로 뜨는 것을 확인할 수 있습니다.

• 빌드를 다시 하고 싶은 경우는, gradlew clean을 하면 build 폴더를 지우고 다시 빌드할 수 있습니다.

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

맨처음 프로젝트 실행시 에러페이지가 뜨는 것을 확인했었습니다.

이 에러 페이지를 해결하고 동작하는 화면을 확인해보겠습니다.

Welcome Page 만들기

• resources/static/index.html 해당경로에 index.html 파일 만들기
  • static/indext.html을 올려두면 스프링 부트 기능으로 Welcome page로 설정된다

<!DOCTYPE HTML> 
<html> 
<head> 
<title>Hello</title> 
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 
</head> 
<body> Hello <a href="/hello">hello</a> </body> 
</html>

thymeleaf 템플릿 엔진

• 템플릿 엔진은 정적페이지(파일)을 원하는대로 수정할 수 있도록 해준다.
• thymeleaf 사이드: https://www.thymeleaf.org/

Controller, templates 작업 후 연결하기

• Controller

@Controller 
public class HelloController { 
    @GetMapping("hello") public String hello(Model model) { 
        model.addAttribute("data", "hello!!"); 
        return "hello"; 
    } 
}

• view  
  • resources/templates/hello.html

<!DOCTYPE HTML> 
<html xmlns:th="http://www.thymeleaf.org"> 
<head> 
<title>Hello</title> 
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 
</head> 
<body> 
<p th:text="'안녕하세요. ' + ${data}" >안녕하세요. 손님</p> 
</body> 
</html>

thymeleaf 템플릿엔진 동작 확인하기

• 실행 후 http://localhost:8080/hello 확인

동작 이해하기

• 컨트롤러에서 리턴 값으로 문자를 반환하면 viewResolver 가 화면을 찾아서 처리한다.
  • 스프링 부트 템플릿엔진 기본 viewName 매핑
  • resources:templates/+{viewName}+.html

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8

Gradle은 의존관계가 있는 라이브러리를 함께 다운로드 합니다.

따라서, 처음 프로젝트에 추가한 spring-boot-starter-web, spring-boot-starter-thymeleaf 이외에도 External Linraries에서는 의존관계가 있는 라이브러리들이 받아져 있는 것을 확인 할 수 있습니다.

라이브러리를 파악해보면 아래와 같습니다.

스프링 부트 라이브러리

• spring-boot-starter-web
  • spring-boot-starter-tomcat: 톰캣 (웹서버)
  • spring-webmvc: 스프링 웹 MVC
• spring-boot-starter-thymeleaf: 타임리프 템플릿 엔진(View)
• spring-boot-starter(공통): 스프링 부트 + 스프링 코어 + 로깅
  • spring-boot
    • spring-core
  • spring-boot-starter-logging
    • logback, slf4j

테스트 라이브러리

• spring-boot-starter-test
  • junit: 테스트 프레임워크
  • mockito: 목 라이브러리
  • assertj: 테스트 코드를 좀 더 편하게 작성하게 도와주는 라이브러리
  • spring-test: 스프링 통합 테스트 지원

이 글은 김영한 님의 스프링 입문 강의를 복습하기 위해 작성된 글 입니다.

참고: https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81-%EC%9E%85%EB%AC%B8-%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8