Java 알고리즘의 본질과 실무 활용
초급 → 중급 → 고급 순서로 정리
알고리즘, 왜 알아야 하는 걸까?
대부분의 실무는 알고리즘을 직접 구현하기보다,
프레임워크(Spring, Hibernate 등)와 라이브러리 위에서 진행된다.
하지만 효율적인 데이터 처리, 메모리 관리, 캐싱 전략, 검색 최적화 등은
결국 알고리즘적 사고에서 비롯된다.
•
API 응답 속도를 2초 → 200ms로 단축시킨 것도 결국 탐색 알고리즘 최적화
•
Redis나 Kafka의 내부 로직 역시 Queue + HashMap + Heap 조합 구조
•
QueryDSL 튜닝이나 MongoDB 인덱싱도 결국 정렬, 탐색의 시간복잡도 이해와 직결
⇒ 즉, “실무형 알고리즘”은 면접용이 아닌 운영 시스템의 안정성과 성능을 만드는 기술이다.
초급: 정렬(Sorting) 알고리즘과 실무적 의미
개념
정렬은 데이터를 순서대로 배치하는 과정이며, 대부분의 서비스는 정렬을 전제로 동작한다.
알고리즘 | 시간복잡도 | 공간복잡도 | 안정성 | 비고 |
Bubble Sort | O(n²) | O(1) |  | 가장 단순하지만
비효율 |
Merge Sort | O(n log n) | O(n) | | 안정적이고 병렬 처리에 적합 |
Quick Sort | O(n log n) ~ O(n²) | O(log n) | | 평균적으론 가장 빠름 |
실무 예시
import java.time.LocalDateTime;
import java.util.*;
class Log {
String userId;
LocalDateTime loginTime;
public Log(String userId, LocalDateTime loginTime) {
this.userId = userId;
this.loginTime = loginTime;
}
}
public class LogSortExample {
public static void main(String[] args) {
List<Log> logs = new ArrayList<>();
logs.add(new Log("user1", LocalDateTime.of(2025,10,20,10,0)));
logs.add(new Log("user2", LocalDateTime.of(2025,10,20,9,30)));
logs.add(new Log("user3", LocalDateTime.of(2025,10,20,11,15)));
logs.sort(Comparator.comparing(log -> log.loginTime)); // MergeSort 기반 (TimSort)
logs.forEach(log -> System.out.println(log.userId + " : " + log.loginTime));
}
}
Java
복사
•
Java의 List.sort()는 내부적으로 TimSort (Merge + Insertion 혼합)을 사용
•
대용량 로그 분석 시 Stream.sorted()도 내부적으로 TimSort를 사용
•
로그/이벤트를 시간순으로 정렬한 뒤 stream().collect(groupingBy()) 로 집계 가능
중급: 해시(Hash)와 캐싱 전략
개념
Hash 알고리즘은 데이터를 O(1) 시간에 접근할 수 있도록 키 기반으로 매핑한다.
실무에서는 다음과 같은 곳에 적용된다.
•
HashMap, ConcurrentHashMap → API 응답 캐시
•
Redis, Memcached → 외부 캐시 서버
•
JWT 토큰 서명/검증 → SHA256, HMAC
실무 예시: 캐시된 검색 결과 관리
import java.util.*;
public class SearchCache {
private static final Map<String, String> cache = new HashMap<>();
public static String search(String query) {
if (cache.containsKey(query)) {
System.out.println("Cache hit for: " + query);
return cache.get(query);
}
System.out.println("Cache miss for: " + query);
String result = callExternalAPI(query); // 외부 API 호출 가정
cache.put(query, result);
return result;
}
private static String callExternalAPI(String query) {
return "Result for " + query; // 가짜 API 응답
}
public static void main(String[] args) {
search("Spring Boot");
search("Spring Boot");
search("Redis");
}
}
Java
복사
•
HashMap은 동시성 문제를 고려해야 함 → ConcurrentHashMap or Caffeine Cache 사용
•
Redis를 연동하면 네트워크 캐시로 확장 가능
•
Hash 충돌 관리 기법(Chaining vs Open Addressing)은 Redis의 내부 구조 이해에도 도움
고급: 그래프(Graph) 탐색과 추천 시스템
개념
그래프 알고리즘은 실무에서 연관성 분석, 추천 시스템, 네트워크 탐색에 활용된다.
예:
•
추천 서비스: 유저-아이템 관계 그래프
•
소셜 네트워크: 친구/팔로우 관계
•
경로 탐색: 물류, 지도 서비스, API 호출 경로 최적화
실무 예시: BFS 기반 “감정 유사도 기반 도서 추천”
import java.util.*;
public class EmotionGraph {
private final Map<String, List<String>> graph = new HashMap<>();
public void addRelation(String emotion, String related) {
graph.computeIfAbsent(emotion, k -> new ArrayList<>()).add(related);
}
public List<String> recommend(String start, int depth) {
List<String> result = new ArrayList<>();
Queue<String> queue = new LinkedList<>();
Set<String> visited = new HashSet<>();
queue.add(start);
visited.add(start);
while (!queue.isEmpty() && depth-- > 0) {
int size = queue.size();
for (int i = 0; i < size; i++) {
String current = queue.poll();
for (String next : graph.getOrDefault(current, List.of())) {
if (!visited.contains(next)) {
visited.add(next);
queue.add(next);
result.add(next);
}
}
}
}
return result;
}
public static void main(String[] args) {
EmotionGraph eg = new EmotionGraph();
eg.addRelation("위로", "치유");
eg.addRelation("위로", "희망");
eg.addRelation("희망", "성장");
System.out.println(eg.recommend("위로", 2));
}
}
Java
복사
•
BFS는 Redis Stream + Pub/Sub 기반 알림 시스템에서 이벤트 브로드캐스트에 응용 가능
•
DFS는 GraphQL Resolver 설계 시 순환 호출 방지 로직에 사용
•
Graph 탐색 알고리즘은 “데이터 간 연결성”을 모델링할 때 매우 유용