Android 内存缓存 LruCache 原理与实现

发表于 3年以前 | 总阅读数：4014 次

okhttp和glide都使用的lru缓存，那什么是lru缓存呢？android 又是如何实现lru缓存的呢？

LRU，即Least Recently Used的缩写，就是最近最少使用，通俗意思就是最近最少被使用的会最先被从内存中除去，举个例子：内存大小为3，我们要1，2，3，4，2，3 六个数字,则：

首次调用1，内存里为1；

调用2，内存里为2，1

调用3，内存里为3，2，1

调用4，内存里为4，3，2

调用2，内存里为2，4，3

调用3，内存里为3，2，4

之后我们在存入一个7，则内存里为7，3，2

这里我们看出来，最先被放进内存的，会被最先删除，如果先被放入内存而被调用，则会放到最前面

我们知道了lrucache的原理，那Android是怎么实现LruCache的呢？

在Android中，使用了LinkedHashMap来实现Lru,

我们知道，Java中HashMap是一个哈希表，hashmap本身是无顺序的，而LinkedHashMap是有序的，LinkedHashMap使用双向链表的形式来存储MapEntry的，我们依次往LinkedHashMap中插入1,2,3,4,5,6 六个数字，然后打印遍历结果

插入数据

遍历

遍历结果

然后我们在get("key3"),再插入一个数据7，之后再遍历

get数据后插入数据

遍历结果

我们发现顺序变成了1，2，4，5，6，3，7 其中get 3后3到了表尾，插入7后7到了表尾，为什么会这样呢？这和LinkedHashMap的实现有关：

linkedhashmap链表方式

这样，我们添加数据会添加到链表最后的位置，而LinkedHashMap在初始化中，可以设置为按插入顺序来插入还是get读取顺序

LinkedHashMap 初始化

LinkedHashMap在get数据的时候，会先查找表，如果有，则从链表里删除，移动到表尾，没有，则返回null

//LinkedHashMap get数据

publicVget(Object key) {

LinkedHashMapEntry e = (LinkedHashMapEntry)getEntry(key)；//查找表里是否有

//数据，getEntry()为LinkedHashMap继承HashMap方法

if(e ==null)

return null;

e.recordAccess(this);//调用LinkedHashMapEntry的recordAccess()方法

returne.value;

}

我们看LinkedHashMapEntry类

/**

* LinkedHashMap entry.

*/

private static class LinkedHashMapEntry extends HashMapEntry {

LinkedHashMapEntrybefore,after;

LinkedHashMapEntry(inthash,Kkey,Vvalue,HashMapEntry next) {

super(hash,key,value,next);

}

private void remove() {

before.after=after;

after.before=before;

}

private void addBefore(LinkedHashMapEntry existingEntry) {

after= existingEntry;//add value next指向header

before= existingEntry.before;//add value before指向之前表尾

before.after=this;//之前表尾 next指向 add value

after.before=this;//header before指向 add value

}

void recordAccess(HashMap m) {

LinkedHashMap lm = (LinkedHashMap)m;

if(lm.accessOrder) {//get模式

lm.modCount++;

remove();//从链表中删除

addBefore(lm.header);//添加到表尾

}

}

void recordRemoval(HashMap m) {

remove();

}

}

通过LinkedHashMapEntry的recordAccess我们看到，如果链表中有链表会先将原先的entry 从链表中删除，然后再放到表尾，例如我们使用get方法get 上面的value1后的链表为以下内容：

LinkedHashMap get value1后

我们发现,LinkedHashMap和Lru的思路是相同的，最近使用的被放在表尾（内存头），而最远时间使用的呗放在表头（内存尾），这样，就可以使用LinkedHashMap来实现lru

我们在初始化LruCache的时候，给LruCache设置最大大小

初始化LruCache

//LruCache get数据方法

public final V get(Kkey) {

if(key ==null) {

throw newNullPointerException("key == null");

}

V mapValue;

synchronized(this) {

mapValue =map.get(key);//从LinkedHashMap中查找，找到则放到表尾

if(mapValue !=null) {

hitCount++;//命中次数+1

return mapValue;

}

missCount++;//没有找到，miss次数加1

}

V createdValue = create(key);//创建新的value

if(createdValue ==null) {//创建失败返回null

return null;//未找到，返回null

}

synchronized(this) {

createCount++;//创建成功，创建次数+1

mapValue =map.put(key,createdValue);//put到linkedHashMap中，放到表尾

//如果表中原先有数据并且和creat的不一致，返回旧数据，否则返回null

if(mapValue !=null) {

// There was a conflict so undo that last put

map.put(key,mapValue);//撤销put 新的createValue

}else{

size+= safeSizeOf(key,createdValue);//size大小加上新加数据size

}

}

if(mapValue !=null) {

entryRemoved(false,key,createdValue,mapValue);

return mapValue;

}else{

trimToSize(maxSize);//重新计算空间大小，是否能插入下条数据

returncreatedValue;

}

}

get 数据的时候，如果有数据则返回数据，没有则创建数据，如果创建失败了，则返回null，成功了则插入数据并返回，创建成功其实和put是差不多的

put 插入数据

put 的时候，先计算新加数据的大小，size增加，如果之前有key的数据，size再减去之前数据的大小，最后再重新计算空间大小

trimToSize方法是重新计算空间，如果空间足够，则插入，不够则从表中删除最早插入数据，直到空间足够位置，每次在map中插入数据都要重新计算空间

//LruCatch释放空间

public void trimToSize(intmaxSize) {

while(true) {

K key;

V value;

synchronized(this) {

if(size<0|| (map.isEmpty() &&size!=0)) {

throw newIllegalStateException(getClass().getName()

+".sizeOf() is reporting inconsistent results!");

}

if(size<= maxSize) {//size<=maxSize，返回

break;

}

Map.Entry toEvict =map.eldest();//获取map最早插入数据

if(toEvict ==null) {

break;

}

key = toEvict.getKey();

value = toEvict.getValue();

map.remove(key);//删除数据

size-= safeSizeOf(key,value);//size减少

evictionCount++;

}

entryRemoved(true,key,value, null);

}

}

LinkedHashMap 获取最早插入数据

以上就是Android中自带LruCache的基本实现，其实LruCache的思路就是通过LinkedHashMap去存储或删除数据，最主要的还是get(),put()以及释放数据的trimToSize()方法，当然这个LruCache只是google简单实现的缓存，我们可以根据需求使用LinkedHashMap自己去实现需要的LruCache