EPguy

[디자인] 앱 UI에 사용할 사진이나 일러스트 같은 이미지 무료로 구하기

EPguy — Fri, 20 Sep 2024 15:46:56 +0900

Undraw: 다양한 무료 일러스트를 제공하며, 원하는 색상으로 변경할 수 있어 UI 디자인에 적합합니다. Undraw
Icons8: 무료 아이콘, 벡터 및 일러스트를 제공하는 사이트로, 앱 디자인에 적합한 자원을 찾을 수 있습니다. Icons8
DrawKit: 무료 벡터 일러스트 및 애니메이션 리소스를 제공하는 사이트입니다. 다양한 스타일의 일러스트를 쉽게 찾을 수 있습니다. DrawKit
Humaaans: 사람 캐릭터를 자유롭게 조합하여 만들 수 있는 벡터 일러스트 사이트입니다. 앱 디자인에 적합한 이미지들을 직접 만들 수 있습니다. Humaaans

[FCM] FCM V1 으로 마이그레이션

EPguy — Wed, 11 Sep 2024 14:00:19 +0900

기존 FCM API deprecated 되어서 v1으로 마이그레이션 함.

  // 데이터 + 메세지
  public int sendMessage(String token, String title, String body, HashMap<String, String> data) throws IOException {
      String message = makeMessage(token, title, body, data);
      return sendMessageToFCM(message);
  }
    
  private String makeMessage(String token, String title, String body, HashMap<String, String> data) throws JsonProcessingException {
        ObjectMapper om = new ObjectMapper();
        FcmMessageDto fcmMessageDto = FcmMessageDto.builder()
                .message(FcmRequestDto.builder()
                        .token(token)
                        .data(data)
                        .notification(FcmRequestDto.Notification.builder()
                                .title(title)
                                .body(body)
                                .build())
                        .build())
                .build();
        return om.writeValueAsString(fcmMessageDto);
    }

    private int sendMessageToFCM(String message) throws IOException {
        RestTemplate restTemplate = new RestTemplate();
        restTemplate.getMessageConverters().add(0, new StringHttpMessageConverter(StandardCharsets.UTF_8));

        String accessToken = getAccessToken();
        HttpHeaders headers = new HttpHeaders();
        headers.setContentType(MediaType.APPLICATION_JSON);
        headers.set("Authorization", "Bearer " + accessToken);

        System.out.print("Access Token: " + accessToken);
        HttpEntity<String> entity = new HttpEntity<>(message, headers);

        String API_URL = "https://fcm.googleapis.com/v1/projects/project/messages:send";
        ResponseEntity<String> response = restTemplate.exchange(API_URL, HttpMethod.POST, entity, String.class);

        // 푸시 알림 결과 출력
        System.out.println("Response Status Code: " + response.getStatusCode());
        System.out.println("Response Body: " + response.getBody());

        return response.getStatusCode() == HttpStatus.OK ? 1 : 0;
    }
    
    private String getAccessToken() throws IOException {
        GoogleCredentials googleCredentials = GoogleCredentials
                .fromStream(new ClassPathResource(firebaseKeyPath).getInputStream())
                .createScoped(List.of("https://www.googleapis.com/auth/cloud-platform"));

        googleCredentials.refreshIfExpired();
        return googleCredentials.getAccessToken().getTokenValue();
    }

RSA 알고리즘과 AES 알고리즘을 혼합하여 사용하는 이유

EPguy — Fri, 24 May 2024 13:06:37 +0900

RSA는 암복호화에 사용되는 키가 서로 다르다는 장점이 있지만, 대칭키 알고리즘에 비해 암호화 속도가 느리다는 단점이 있다. 때문에 다량의 데이터를 암호화 하거나, 매 통신마다 RSA 암호화를 해버리면 속도 저하를 초래할 수 있게된다.

따라서 실제 데이터를 암복호화 할 때는 AES 알고리즘을 사용하게 되는데, 암복호화의 사용되는 키가 똑같다는 단점을 보완하기 위해 RSA의 공개키로 AES 대칭키를 암호화하여 사용한다.

프로세스는 아래와 같다.

1. 서버는 RSA 알고리즘을 사용하여 개인키와 공개키를 생성한다.

2. 클라이언트는 서버한테 공개키를받는다.

3. 클라이언트는 대칭키를 생성하고, 받은 공개키로 대칭키를 암호화한다.

4. 클라이언트는 암호화된 대칭키를 서버에 전송하여 키 합의를 한다.

5. 클라이언트는 대칭키로 전송할 데이터를 암호화하여 서버에 보낸다.

6. 서버는 개인키를 사용하여 대칭키를 복호화 한후 해당 키로 데이터를 복호화한다.

RSA와 AES 알고리즘을 혼합하는 것은 서로의 단점을 보완하기 위함이다.

구현이 어려울 순 있지만 보안과 성능을 확보할 수 있다는 장점이 있다.

[RTK Query] 다른 createApi 객체의 태그를 무효화 하는 방법

EPguy — Wed, 27 Mar 2024 16:17:48 +0900

다른 계정으로 로그인 시 기존 데이터를 무효화 시켜야 하는 경우가 있습니다.

dispatch(api.utils.invalidateTags(...)) 를 사용하여 쉽게 특정 api 태그를 무효화 시킬 수있습니다.

dispatch(memberApi.util.invalidateTags(['Member']));

dispatch(

attendanceScheduleApi.util.invalidateTags(['AttendanceSchedule']),

);

[LeetCode] 452. Minimum Number of Arrows to Burst Balloons

EPguy — Tue, 19 Mar 2024 10:24:24 +0900

문제

There are some spherical balloons taped onto a flat wall that represents the XY-plane. The balloons are represented as a 2D integer array points where points[i] = [xstart, xend] denotes a balloon whose horizontal diameter stretches between xstart and xend. You do not know the exact y-coordinates of the balloons. Arrows can be shot up directly vertically (in the positive y-direction) from different points along the x-axis. A balloon with xstart and xend is burst by an arrow shot at x if xstart <= x <= xend. There is no limit to the number of arrows that can be shot. A shot arrow keeps traveling up infinitely, bursting any balloons in its path. Given the array points, return the minimum number of arrows that must be shot to burst all balloons.

좌표평면에 풍선이 존재하며 풍선들의 xStart, xEnd좌표가 저장되어있는 points 2차원 배열이 주어집니다.
아래에서 위로 화살을 쏴서 풍선을 터트릴 때, 풍선을 모두 터뜨릴 수 있는 화살의 최소 개수를 구하시오.

예시

Input: points = [[10,16],[2,8],[1,6],[7,12]]
Output: 2
Explanation: The balloons can be burst by 2 arrows:
- Shoot an arrow at x = 6, bursting the balloons [2,8] and [1,6].
- Shoot an arrow at x = 11, bursting the balloons [10,16] and [7,12].

Input: points = [[1,2],[3,4],[5,6],[7,8]]
Output: 4
Explanation: One arrow needs to be shot for each balloon for a total of 4 arrows.

Input: points = [[1,2],[2,3],[3,4],[4,5]]
Output: 2
Explanation: The balloons can be burst by 2 arrows:
- Shoot an arrow at x = 2, bursting the balloons [1,2] and [2,3].
- Shoot an arrow at x = 4, bursting the balloons [3,4] and [4,5].

풀이

먼저, 풍선을 터뜨릴 때 동시에 터뜨릴 수 있는 조건을 찾아야 합니다.

[[10,16],[2,8],[1,6],[7,12]]

[1,6]과 [2,8] 은 화살 하나로 동시에 터뜨릴 수 있습니다.

좌표를 보시면 첫번째 풍선의 end좌표인 6이 두번째 풍선의 start좌표인 2보다 크죠?

즉, end좌표가 다른풍선의 start좌표보다 큰 경우 동시에 터뜨릴 수 있다는 뜻입니다.

위 방법을 이용해서 그리디 알고리즘을 사용하여 이 문제를 쉽게 해결할 수 있습니다.

먼저 그리디 알고리즘을 사용하려면 우선 정렬을 해야합니다.

end 좌표를 작은 순서대로 정렬을 해줘야 배열을 순회하며 순차적으로 해결하기 쉽기 때문입니다.

코드

class Solution(object):
    def findMinArrowShots(self, points):
        arrow = 1
        points = sorted(points, key = lambda x:x[1])
        last = points[0][1]
        for i in range(1, len(points)):
            if(last < points[i][0]):
                arrow += 1
                last = points[i][1]


        return arrow

비교 기준이 되는 end 좌표를 저장하고 있는 last변수를 사용하였습니다.

배열을 순회하며 end좌표가 start 좌표보다 작은경우, 동시에 터뜨릴 수 없기 때문에 화살 개수를 추가해줍니다.

화살을 1로 초기화 한 이유는, 마지막 풍선의 경우 비교할 대상이 없기 때문입니다.

복잡도

시간 복잡도: O(nlogn)
공간 복잡도: O(1)

[LeetCode] 525. Contiguous Array

EPguy — Mon, 18 Mar 2024 10:33:22 +0900

문제

Given a binary array nums, return the maximum length of a contiguous subarray with an equal number of 0 and 1.

이진배열이 주어질 때, 연속적으로 0과 1의 개수가 똑같은 배열의 최대 길이를 반환하면 됩니다.

예시

Input: nums = [0,1]
Output: 2
Explanation: [0, 1] is the longest contiguous subarray with an equal number of 0 and 1.

Input: nums = [0,1,0]
Output: 2
Explanation: [0, 1] (or [1, 0]) is a longest contiguous subarray with equal number of 0 and 1.

풀이

배열을 순차적으로 순회하며 0이면 -1, 1이면 +1을 해주는 count 변수를 만들어줍니다.

count가 같다는건 두 인덱스 사이의 0과 1의 개수가 일치한다는걸 의미합니다.

박스로 표시된 배열의 0과 1의 개수를 한번 세어보세요.

주황색 네모와 빨간색 네모 중 최대 길이의 배열은 빨간색 네모입니다

빨간색 네모 배열의 길이를 구하려면, 마지막 인덱스인 4, 첫번째 인덱스인 0을 뺀 4 - 0 = 4 가 됩니다.

각 요소의 count에 값을 저장시켜야 겠죠?

이 때, 해시맵을 사용하면됩니다. key값에는 count, value에는 인덱스를 저장시킵니다.

이 때 저장시키면서 key가 중복되는 경우 0과 1의 개수가 일치한다는 거니까 두 배열 사이의 길이를 구해서 최대길이인지 계산도 하면 됩니다.

dec[1] = 0
dec[0] = 1
dec[1] = 2
dec[2] = 3
dec[1] = 4

하지만 여기서 주의할 점이 있는데, 배열의 요소가 2개인 경우 문제가 생기게 됩니다.

아래 그림을 보시면, 0과 1의 개수가 똑같지만 count의 값이 다릅니다.

이 경우 위 방법을 그대로 진행하면 문제가 생기게 되겠죠?

이 문제를 해결하려면 맨 앞에 가상의 값을 임의로 추가하면 해결할 수 있습니다.

코드

class Solution(object):
    def findMaxLength(self, nums):
        dic = {}
        count = answer = 0
        dic[0] = -1
        for i in range(len(nums)):
            count += 1 if(nums[i]) else -1
            if(count in dic):
                answer = max(answer, i - dic[count])
            else:
                dic[count] = i
        return answer

복잡도

시간 복잡도: O(n)
공간 복잡도: O(n)

[LeetCode] 791. Custom Sort String

EPguy — Mon, 11 Mar 2024 10:28:45 +0900

문제

You are given two strings order and s. All the characters of order are unique and were sorted in some custom order previously. Permute the characters of s so that they match the order that order was sorted. More specifically, if a character x occurs before a character y in order, then x should occur before y in the permuted string. Return any permutation of s that satisfies this property.

두 개의 문자열, 'order'와 's'가 주어집니다. 'order'의 모든 문자는 고유하며 이전에 어떤 사용자 정의 순서로 정렬되었습니다. 's'의 문자를 순서대로 재배열하여 'order'가 정렬된 순서와 일치하도록 합니다. 구체적으로, 'order'에서 문자 x가 문자 y보다 앞에 오면, 재배열된 문자열에서도 x가 y보다 앞에 와야 합니다. 이 조건을 만족하는 's'의 어떤 순열이든 반환하세요.

풀이

1. Hashmap

알고리즘

1. s의 각 문자를 순회하며, char_count 해시맵에 해당 문자의 출현 횟수를 저장합니다.

2. order의 각 문자를 순회하며 해당 문자가 char_count 해시맵에 존재하는 경우 출현횟수 만큼 answer에 추가하고 char_count에서 해당 문자를 삭제시킵니다.

3. 나머지 char_count에 있는 문자를 answer에 추가합니다.

class Solution(object):
    def customSortString(self, order, s):
        answer = ""
        char_count = {}
        for char in s:
            char_count[char] = char_count.get(char, 0) + 1
        
        for order_ch in order:
            if(order_ch in char_count):
                answer += order_ch * char_count[order_ch]
                del char_count[order_ch]

        for char in char_count:
            answer += char * char_count[char]

        return answer

복잡도

시간 복잡도: O(n + m)
공간 복잡도: O(n)

[알고리즘] 이진탐색 (Binary Search)

EPguy — Sat, 9 Mar 2024 18:02:34 +0900

이진 탐색은 정렬된 배열에서만 사용할 수 있으며 검색 간격을 반복적으로 반으로 나누어 가면서 탐색하는 탐색 알고리즘 중 하나입니다.

동작방식

1. 배열의 중간 인덱스인 mid, 탐색할 배열의 맨 왼쪽 인덱스인 left, 맨 오른쪽인 right를 계산해야합니다.

2. 중간 인덱스는 (left + right) / 2 로 계산합니다, 이 때 정수가 돼야함으로 소수점은 버립니다.

3. 배열의 mid번째 요소와 탐색 할 숫자를 비교합니다.

4. 탐색할 숫자가 더 크면, left를 mid + 1 번째 인덱스로 바꿔줍니다.

5. 탐색할 숫자가 더 작으면, right를 mid - 1 번째 인덱스로 바꿔줍니다.

6. 탐색 범위를 초과하기 전까지 반복합니다.

7. left가 right보다 크면 탐색할 범위를 초과한 것이므로 종료합니다.

복잡도

시간 복잡도: O(log N).

코드

def binary_search(target_number):
    sorted_array = [1,2,3,4,5,6]

    left = 0
    right = len(sorted_array) - 1
    while(right >= left):
        mid = (left + right) // 2
        if(target_number == sorted_array[mid]):
            return target_number
        elif(target_number < sorted_array[mid]):
            right = mid - 1
        else:
            left = mid + 1
    return -1

print(binary_search(2))
print(binary_search(7))

[LeetCode] 3005. Count Elements With Maximum Frequency

EPguy — Fri, 8 Mar 2024 13:49:46 +0900

문제

You are given an array nums consisting of positive integers.
Return the total frequencies of elements in nums such that those elements all have the maximum frequency.
The frequency of an element is the number of occurrences of that element in the array.

양의 정수로 이루어진 배열 nums가 주어집니다. 해당 배열의 원소들 중에서 가장 빈도수가 높은 원소들의 총 빈도수를 반환해야 합니다. 여기서 원소의 빈도수란 해당 원소가 배열에서 등장하는 횟수를 의미합니다.

풀이

1. Count Frequency and Max Frequency

알고리즘

1. 배열을 순회하면서 각 원소들의 빈도수를 구합니다.

2. 배열을 순회하며 가장 높은 빈도수를 계산합니다.

3. 다시 배열을 순회하며 가장 높은 빈도수의 총 빈도수를 계산합니다.

def maxFrequencyElements(self, nums):
        frequencies = {}
        for i in range(len(nums)):
            if(nums[i] in frequencies):
                frequencies[nums[i]] = frequencies[nums[i]] + 1
            else:
                frequencies[nums[i]] = 1
        
        maxFrequency = 0
        for frequency in frequencies.values():
                maxFrequency = max(maxFrequency, frequency)

        result = 0
        for frequency in frequencies.values():
            if(frequency == maxFrequency):
                result += frequency

        return result

복잡도

시간 복잡도: O(n)
공간 복잡도: O(n)

2. One-Pass Sum Max Frequencies

알고리즘

1번 알고리즘이랑 유사하지만 반복문 하나로 끝낼 수 있는 방법입니다.

차이점은 원소의 빈도수, 최대빈도수, 총빈도수를 같이 계산한다는 차이가 있습니다.

def maxFrequencyElements(self, nums):
        frequencies = {}
        result = 0
        maxFrequency = 0
        for i in range(len(nums)):
            frequencies[nums[i]] = frequencies.get(nums[i], 0) + 1

            frequency = frequencies.get(nums[i])
            if(frequency > maxFrequency):
                result = frequency
                maxFrequency = frequency
            elif(frequency == maxFrequency):
                result += frequency
        return result

복잡도

시간 복잡도: O(n)
공간 복잡도: O(n)

[LeetCode] 876. Middle of the Linked List

EPguy — Fri, 8 Mar 2024 10:31:24 +0900

문제

Given the head of a singly linked list, return the middle node of the linked list.
If there are two middle nodes, return the second middle node.

singly linked list가 주어졌을 때 linked list의 가운데 노드를 반환하세요.
만약 두개의 중간 노드가 있을경우 두번째 노드를 반환하세요.

풀이

1. Counting element

알고리즘

Linked List의 노드 개수를 구한 다음, 가운데 인덱스의 Node를 찾는 방법입니다.

class Solution(object):
    def middleNode(self, head):
        node = head
        size = 0
        while(node.next != None):
            node = node.next
            size += 1
        
        mid = int(size / 2)
        if(size % 2 != 0):
            mid += 1

        count = 0
        while(count < mid):
            head = head.next
            count += 1

        return head

복잡도

시간 복잡도: O(n) + O(n/2)
공간 복잡도: O(1)

2. Slow and Fast pointer

알고리즘

두칸식 순회하는 Fast와 한칸씩 순회하는 Slow를 사용하는 방법입니다.

Fast가 순회를 다 끝냈으면 Slow의 위치는 중간이라는 점을 이해하시면 됩니다.

class Solution(object):
    def middleNode(self, head):
        slow = head
        fast = head
        while(fast != None and fast.next != None):
            slow = slow.next
            fast = fast.next.next

        return slow

복잡도

시간 복잡도: O(n)
공간 복잡도: O(1)