摘要:和变量分别表示当前缓存数据的大小以及缓存最大可使用的大小。的构造方法接受一个变量,用于指定缓存的最大使用量。第一个是初始容量,第二个是加载因子,这两个都是中的概念源码分析。
简介
Android 中常常会用通过网络请求数据,为了节省流量、电量以及时间等等,一般会把得到的数据进行缓存。缓存分为内存缓存和文件缓存。Android 自带的内存缓存是 LRU 机制,也即是最近最少使用算法,对应的类是 LruCache。要说它的原理,一句话概括就是使用了 LinkedHashMap。本文具体分析 LruCache 源码的实现,其实还是比较简单的。
变量及构造方法LruCache 的内部变量及构造方法如下:
private final LinkedHashMapmap; private int size; private int maxSize; private int putCount; private int createCount; private int evictionCount; private int hitCount; private int missCount; public LruCache(int maxSize) { if (maxSize <= 0) { throw new IllegalArgumentException("maxSize <= 0"); } this.maxSize = maxSize; this.map = new LinkedHashMap (0, 0.75f, true); }
在 LruCache 中,有一个 LinkedHashMap 变量,它就是实际存储缓存数据的。LinkedHashMap 继承自 HashMap,但是增加了记住元素插入或者访问顺序的功能,这个是通过内部一个双向的循环链表实现的。
size 和 maxSize 变量分别表示当前缓存数据的大小以及缓存最大可使用的大小。下面的几个以 Count 结尾的变量是记录相应操作的命中次数。
LruCache 的构造方法接受一个 int 变量,用于指定缓存的最大使用量。构造方法中创建了 LinkedHashMap, 它有三个参数。第一个是初始容量,第二个是加载因子,这两个都是 HashMap 中的概念 (Java HashMap源码分析)。第三个参数是一个布尔值,true 表示 LinkedListMap 按照元素的最近访问排序,false 则表示按照元素的插入次序排序,LruCache 实现的是最近最少访问,所以这里指定为 true。
put 和 getLruCache 创建后最常用的两个操作就是 put 和 get 了。先看 put的代码:
public final V put(K key, V value) { if (key == null || value == null) { throw new NullPointerException("key == null || value == null"); } V previous; synchronized (this) { putCount++; size += safeSizeOf(key, value); previous = map.put(key, value); if (previous != null) { size -= safeSizeOf(key, previous); } } if (previous != null) { entryRemoved(false, key, previous, value); } trimToSize(maxSize); return previous; } protected void entryRemoved(boolean evicted, K key, V oldValue, V newValue) {}
如果 key 或者 value 为空会抛出异常,否则在同步块中进行添加操作。首先是 putCount 加一,然后调用 safeSizeOf 方法增加 size,接着把数据放到 map 中,如果这个 key 已经存放了数据,那么应该减去这条数据的大小,因为它已经被覆盖调了。同步块结束后,如果确实覆盖了数据,会调用 entryRemoved,这个方法默认是空,什么也没做,我们自己创建 LruCache 时可以选择重写。最后还需要调用 trimToSize,这个方法用来防止数据超出 maxSize。
上面在计算 size 大小时调用了 safeSizeOf 方法,看名字就觉得不一般,继续看它的代码:
private int safeSizeOf(K key, V value) { int result = sizeOf(key, value); if (result < 0) { throw new IllegalStateException("Negative size: " + key + "=" + value); } return result; } protected int sizeOf(K key, V value) { return 1; }
这个方法又调用了 sizeOf 返回数据的大小,如果小于 0 抛出异常,否则就返回。sizeOf 这个方法是我们熟悉的,一般使用 LruCache 都会重写这个方法返回每条数据的实际大小。为什么要重写呢? 因为这个方法默认的实现是返回 1。这样的话,size 相当于记录的是缓存数据的条数,而这可能并不是我们想要的。
下面再看看 trimToSize 的实现:
public void trimToSize(int maxSize) { while (true) { K key; V value; synchronized (this) { if (size < 0 || (map.isEmpty() && size != 0)) { throw new IllegalStateException(getClass().getName() + ".sizeOf() is reporting inconsistent results!"); } if (size <= maxSize) { break; } Map.EntrytoEvict = map.eldest(); if (toEvict == null) { break; } key = toEvict.getKey(); value = toEvict.getValue(); map.remove(key); size -= safeSizeOf(key, value); evictionCount++; } entryRemoved(true, key, value, null); } }
内部是一个无限循环,删除 map 里面最久未使用的,然后更新 size,如果 size 小于 maxSize 就跳出循环。
put相关的代码就是这样,现在看看 get 的实现:
public final V get(K key) { if (key == null) { throw new NullPointerException("key == null"); } V mapValue; synchronized (this) { mapValue = map.get(key); if (mapValue != null) { hitCount++; return mapValue; } missCount++; } //找不到就创建一个value V createdValue = create(key); if (createdValue == null) { return null; } synchronized (this) { createCount++; mapValue = map.put(key, createdValue); if (mapValue != null) { // There was a conflict so undo that last put map.put(key, mapValue); } else { size += safeSizeOf(key, createdValue); } } if (mapValue != null) { entryRemoved(false, key, createdValue, mapValue); return mapValue; } else { trimToSize(maxSize); return createdValue; } } protected V create(K key) { return null; }
key 依然不能为空,然后就是从 map 中取数据,递增hitCount,最后直接返回数据。这是成功找到缓存的情况,如果找不到还会执行下面的代码。下面的逻辑是调用 create 创建 value。create需要我们自己重写,默认返回 null,所以默认情况下找不到缓存就返回 null。 如果重写了 create 那么接着会把新建的数据加入 map,并且增加 size,执行 trimToSize 等操作。
其它操作除了 get 和 put,其它还有一些操作。比如 evictAll 用于清除所有缓存,size() 返回 size 大小,一系列的以 Count 结尾的方法用于返回 hitCount 等计数值的大小。这些代码都比较简单,没什么好说的。
总结LruCache 实现了数据的内存缓存,可以看出整体思路并不是很复杂,关键在于使用了 LinkedHashMap。
如果我的文章对您有帮助,不妨点个赞鼓励一下(^_^)
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/12732.html
摘要:采用算法的缓存有两种和分别用于实现内存缓存和硬盘缓存,其核心思想都是缓存算法。一、Android中的缓存策略 一般来说,缓存策略主要包含缓存的添加、获取和删除这三类操作。如何添加和获取缓存这个比较好理解,那么为什么还要删除缓存呢?这是因为不管是内存缓存还是硬盘缓存,它们的缓存大小都是有限的。当缓存满了之后,再想其添加缓存,这个时候就需要删除一些旧的缓存并添加新的缓存。 因此LRU(Least...
摘要:原文首发于微信公众号,欢迎关注交流中缓存的使用比较普遍,使用相应的缓存策略可以减少流量的消耗,也可以在一定程度上提高应用的性能,如加载网络图片的情况,不应该每次都从网络上加载图片,应该将其缓存到内存和磁盘中,下次直接从内存或磁盘中获取,缓 原文首发于微信公众号:jzman-blog,欢迎关注交流! Android 中缓存的使用比较普遍,使用相应的缓存策略可以减少流量的消耗,也可以在一定...
摘要:几个月前在西安买了房,所以最近总结了一些还算全面的面试题。面试题机制垃圾回收需要完成两件事找到垃圾,回收垃圾。需要校验字节信息是否符合规范,避免恶意信息和不规范数据危害运行安全。具有相同哈希值的键值对会组成链表。 写在开头 由于杭州的房价实在太高,所以我可耻的跑路到了西安。几个月前在西安买了房,所以最近总结了一些还算全面的Android面试题。还好成功的通过了西安努比亚的面试,虽然不是...
摘要:和体现了对不同异常情况的分类。是程序正常运行中,可以预料的意外情况,可能并且应该被捕获,进行相应的处理。是指在正常情况下,不大可能出现的情况,绝大部分都会使程序处于非正常不可恢复的状态。常见的非对称加密包括等。 面试,无非都是问上面这些问题(挺多的 - -!),聘请中高级的安卓开发会往深的去问,并且会问一延伸二。以下我先提出几点重点,是面试官基本必问的问题,请一定要去了解! 基础知识...
摘要:和体现了对不同异常情况的分类。是程序正常运行中,可以预料的意外情况,可能并且应该被捕获,进行相应的处理。是指在正常情况下,不大可能出现的情况,绝大部分都会使程序处于非正常不可恢复的状态。常见的非对称加密包括等。 面试,无非都是问上面这些问题(挺多的 - -!),聘请中高级的安卓开发会往深的去问,并且会问一延伸二。以下我先提出几点重点,是面试官基本必问的问题,请一定要去了解! 基础知识...
阅读 1999·2021-11-12 10:34
阅读 1868·2021-11-05 09:42
阅读 536·2021-10-12 10:12
阅读 2641·2021-09-23 11:21
阅读 2622·2019-08-30 14:00
阅读 3181·2019-08-30 13:15
阅读 352·2019-08-29 17:18
阅读 3392·2019-08-29 16:29