淺談Android LruCache的緩存策略

更新時(shí)間：2018年04月23日 10:40:46 作者：ganchuanpu

這篇文章主要介紹了淺談Android LruCache的緩存策略，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧

一、Android中的緩存策略

一般來說，緩存策略主要包含緩存的添加、獲取和刪除這三類操作。如何添加和獲取緩存這個(gè)比較好理解，那么為什么還要刪除緩存呢？這是因?yàn)椴还苁莾?nèi)存緩存還是硬盤緩存，它們的緩存大小都是有限的。當(dāng)緩存滿了之后，再想其添加緩存，這個(gè)時(shí)候就需要刪除一些舊的緩存并添加新的緩存。

因此LRU(Least Recently Used)緩存算法便應(yīng)運(yùn)而生，LRU是近期最少使用的算法，它的核心思想是當(dāng)緩存滿時(shí)，會優(yōu)先淘汰那些近期最少使用的緩存對象。采用LRU算法的緩存有兩種：LrhCache和DisLruCache分別用于實(shí)現(xiàn)內(nèi)存緩存和硬盤緩存，其核心思想都是LRU緩存算法。

二、LruCache的使用

LruCache是Android 3.1所提供的一個(gè)緩存類，所以在Android中可以直接使用LruCache實(shí)現(xiàn)內(nèi)存緩存。而DisLruCache目前在Android 還不是Android SDK的一部分，但Android官方文檔推薦使用該算法來實(shí)現(xiàn)硬盤緩存。

1.LruCache的介紹

LruCache是個(gè)泛型類，主要算法原理是把最近使用的對象用強(qiáng)引用（即我們平常使用的對象引用方式）存儲在 LinkedHashMap 中。當(dāng)緩存滿時(shí)，把最近最少使用的對象從內(nèi)存中移除，并提供了get和put方法來完成緩存的獲取和添加操作。

2.LruCache的使用

LruCache的使用非常簡單，我們就已圖片緩存為例。

int maxMemory = (int) (Runtime.getRuntime().totalMemory()/1024);
int cacheSize = maxMemory/8;
mMemoryCache = new LruCache<String,Bitmap>(cacheSize){
  @Override
  protected int sizeOf(String key, Bitmap value) {
  return value.getRowBytes()*value.getHeight()/1024
  ;
}

①設(shè)置LruCache緩存的大小，一般為當(dāng)前進(jìn)程可用容量的1/8。

②重寫sizeOf方法，計(jì)算出要緩存的每張圖片的大小。

注意：緩存的總?cè)萘亢兔總€(gè)緩存對象的大小所用單位要一致。

三、LruCache的實(shí)現(xiàn)原理

LruCache的核心思想很好理解，就是要維護(hù)一個(gè)緩存對象列表，其中對象列表的排列方式是按照訪問順序?qū)崿F(xiàn)的，即一直沒訪問的對象，將放在隊(duì)尾，即將被淘汰。而最近訪問的對象將放在隊(duì)頭，最后被淘汰。

如下圖所示：

那么這個(gè)隊(duì)列到底是由誰來維護(hù)的，前面已經(jīng)介紹了是由LinkedHashMap來維護(hù)。而LinkedHashMap是由數(shù)組+雙向鏈表的數(shù)據(jù)結(jié)構(gòu)來實(shí)現(xiàn)的。其中雙向鏈表的結(jié)構(gòu)可以實(shí)現(xiàn)訪問順序和插入順序，使得LinkedHashMap中的對按照一定順序排列起來。

通過下面構(gòu)造函數(shù)來指定LinkedHashMap中雙向鏈表的結(jié)構(gòu)是訪問順序還是插入順序。

public LinkedHashMap(int initialCapacity,float loadFactor,boolean accessOrder) {
    super(initialCapacity, loadFactor);
    this.accessOrder = accessOrder;
}

其中accessOrder設(shè)置為true則為訪問順序，為false，則為插入順序。

以具體例子解釋：當(dāng)設(shè)置為true時(shí)

public static final void main(String[] args) {
  LinkedHashMap<Integer, Integer> map = new LinkedHashMap<>(0, 0.75f, true);
  map.put(0, 0);
  map.put(1, 1);
  map.put(2, 2);
  map.put(3, 3);
  map.put(4, 4);
  map.put(5, 5);
  map.put(6, 6);
  map.get(1);
  map.get(2);
  for (Map.Entry<Integer, Integer> entry : map.entrySet())
  {
    System.out.println(entry.getKey() + ":" + entry.getValue());
  }
}

輸出結(jié)果：0:0 3:3 4:4 5:5 6:6 1:1 2:2

即最近訪問的最后輸出，那么這就正好滿足的LRU緩存算法的思想?？梢奓ruCache巧妙實(shí)現(xiàn)，就是利用了LinkedHashMap的這種數(shù)據(jù)結(jié)構(gòu)。

下面我們在LruCache源碼中具體看看，怎么應(yīng)用LinkedHashMap來實(shí)現(xiàn)緩存的添加，獲得和刪除的。

public LruCache(int maxSize) {
  if (maxSize <= 0) {
    throw new IllegalArgumentException("maxSize <= 0");
  }
  this.maxSize = maxSize;
  this.map = new LinkedHashMap<K, V>(0, 0.75f, true);
}

從LruCache的構(gòu)造函數(shù)中可以看到正是用了LinkedHashMap的訪問順序。

put()方法：

public final V put(K key, V value) {
  //不可為空，否則拋出異常
  if (key == null || value == null) {
    throw new NullPointerException("key == null || value== null");
  }
  V previous;
  synchronized (this) {
    //插入的緩存對象值加1
    putCount++;
    //增加已有緩存的大小
    size += safeSizeOf(key, value);
    //向map中加入緩存對象
    previous = map.put(key, value);
    //如果已有緩存對象，則緩存大小恢復(fù)到之前
    if (previous != null) {
      size -= safeSizeOf(key, previous);
    }
  }
  //entryRemoved()是個(gè)空方法，可以自行實(shí)現(xiàn)
  if (previous != null) {
    entryRemoved(false, key, previous, value);
  }
  //調(diào)整緩存大小(關(guān)鍵方法)
  trimToSize(maxSize);
  return previous;
}

可以看到put()方法并沒有什么難點(diǎn)，重要的就是在添加過緩存對象后，調(diào)用trimToSize()方法，來判斷緩存是否已滿，如果滿了就要刪除近期最少使用的算法。

trimToSize()方法：

public void trimToSize(int maxSize) {
  //死循環(huán)
  while (true) {
    K key;
    V value;
    synchronized (this) {
      //如果map為空并且緩存size不等于0或者緩存size小于0，拋出異常
      if (size < 0 || (map.isEmpty() && size != 0)) {
        throw new IllegalStateException(getClass().getName()+ ".sizeOf() is reporting inconsistent results!");
      }
      //如果緩存大小size小于最大緩存，或者map為空，不需要再刪除緩存對象，跳出循環(huán)
      if (size <= maxSize || map.isEmpty()) {
        break;
      }
      //迭代器獲取第一個(gè)對象，即隊(duì)尾的元素，近期最少訪問的元素
      Map.Entry<K, V> toEvict = map.entrySet().iterator().next();
      key = toEvict.getKey();
      value = toEvict.getValue();
      //刪除該對象，并更新緩存大小
      map.remove(key);
      size -= safeSizeOf(key, value);
      evictionCount++;
    }
    entryRemoved(true, key, value, null);
  }
}

trimToSize()方法不斷地刪除LinkedHashMap中隊(duì)尾的元素，即近期最少訪問的，直到緩存大小小于最大值。

當(dāng)調(diào)用LruCache的get()方法獲取集合中的緩存對象時(shí)，就代表訪問了一次該元素，將會更新隊(duì)列，保持整個(gè)隊(duì)列是按照訪問順序排序。這個(gè)更新過程就是在LinkedHashMap中的get()方法中完成的。

先看LruCache的get()方法:

public final V get(K key) {
  //key為空拋出異常
  if (key == null) {
    throw new NullPointerException("key == null");
  }
  V mapValue;
  synchronized (this) {
    //獲取對應(yīng)的緩存對象
    //get()方法會實(shí)現(xiàn)將訪問的元素更新到隊(duì)列頭部的功能
    mapValue = map.get(key);
    if (mapValue != null) {
    hitCount++;
    return mapValue;
  }
  missCount++;
}

其中LinkedHashMap的get()方法如下：

public V get(Object key) {
  LinkedHashMapEntry<K,V> e = (LinkedHashMapEntry<K,V>)getEntry(key);
  if (e == null)
    return null;
  //實(shí)現(xiàn)排序的關(guān)鍵方法
  e.recordAccess(this);
  return e.value;
}

調(diào)用recordAccess()方法如下：

void recordAccess(HashMap<K,V> m) {
  LinkedHashMap<K,V> lm = (LinkedHashMap<K,V>)m;
  //判斷是否是訪問排序
  if (lm.accessOrder) {
    lm.modCount++;
    //刪除此元素
    remove();
    //將此元素移動到隊(duì)列的頭部
    addBefore(lm.header);
  }
}

由此可見LruCache中維護(hù)了一個(gè)集合LinkedHashMap，該LinkedHashMap是以訪問順序排序的。當(dāng)調(diào)用 put() 方法時(shí)，就會在結(jié)合中添加元素，并調(diào)用 trimToSize() 判斷緩存是否已滿，如果滿了就用LinkedHashMap的迭代器刪除隊(duì)尾元素，即近期最少訪問的元素。當(dāng)調(diào)用 get() 方法訪問緩存對象時(shí)，就會調(diào)用LinkedHashMap的get()方法獲得對應(yīng)集合元素，同時(shí)會更新該元素到隊(duì)頭。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: