Android LruCache 缓存机制解析

2024-05-11 00:38

本文主要是介绍Android LruCache 缓存机制解析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、前言


关于 Android 的三级缓存,其中主要的就是内存缓存和硬盘缓存。这两种缓存机制的实现都应用到了 LruCache 算法。

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 Recently Used) 缓存算法便应运而生,LRU 是近期最少使用的算法,它的核心思想是当缓存满时,会优先淘汰那些近期最少使用的缓存对象。采用 LRU 算法的缓存有两种:LrhCache 和 DisLruCache,分别用于实现内存缓存和硬盘缓存,其核心思想都是LRU缓存算法。今天我们就从使用到源码解析,来彻底理解 Android 中的缓存机制。

 

二、使用


LruCache 是 Android 3.1 所提供的一个缓存类,所以在 Android 中可以直接使用 LruCache 实现内存缓存。而 DisLruCache 目前在 Android 还不是 Android SDK 的一部分,但 Android 官方文档推荐使用该算法来实现硬盘缓存。

LruCache 是个泛型类,主要算法原理是把最近使用的对象用强引用(即我们平常使用的对象引用方式)存储在 LinkedHashMap 中。当缓存满时,把最近最少使用的对象从内存中移除,并提供了 get 和 put 方法来完成缓存的获取和添加操作。

LruCache 的使用非常简单,我们就已图片缓存为例:

        int maxMemory = (int) (Runtime.getRuntime().totalMemory()/1024);int cacheSize = maxMemory/8;mMemoryCache = new LruCache<String,Bitmap>(cacheSize){@Overrideprotected int sizeOf(String key, Bitmap value) {return value.getRowBytes()*value.getHeight()/1024;}};
  1. 设置 LruCache 缓存的大小,一般为当前进程可用容量的1/8。
  2. 重写 sizeOf 方法,计算出要缓存的每张图片的大小。

注意:缓存的总容量和每个缓存对象的大小所用单位要一致。

 

三、实现原理


LruCache 的核心思想很好理解,就是要维护一个缓存对象列表,其中对象列表的排列方式是按照访问顺序实现的,即一直没访问的对象将放在队尾,即将被淘汰。而最近访问的对象将放在队头,最后被淘汰。那么这个队列到底是由谁来维护的,前面已经介绍了是由LinkedHashMap 来维护。而 LinkedHashMap 是由数组 + 双向链表的数据结构来实现的。其中双向链表的结构可以实现访问顺序和插入顺序,使得 LinkedHashMap 中的 <key,value> 对按照一定顺序排列起来。通过下面构造函数可以来指定 LinkedHashMap 中双向链表的结构是访问顺序还是插入顺序。

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

其中 accessOrder 设置为 false,则为插入顺序。设置为 true 则为访问顺序,即最近访问的最后输出,那么这就正好满足的LRU缓存算法的思想。可见 LruCache 巧妙实现,就是利用了 LinkedHashMap 的这种数据结构。不了解 LinkedHashMap 的可以看我之前写的 Java 集合 - LinkedHashMap 解析。下面我们在 LruCache 源码中具体看看,怎么应用 LinkedHashMap 来实现缓存的添加、获得和删除的。首先看下构造方法

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);
}

从 LruCache 的构造函数中可以看到正是用了 LinkedHashMap 的访问顺序。下面来看看 put()方法

public final V put(K key, V value) {//不可为空,否则抛出异常if (key == null || value == null) {throw new NullPointerException("key == null || value == null");}V previous;synchronized (this) {//插入的缓存对象值加1putCount++;//增加已有缓存的大小size += safeSizeOf(key, value);//向map中加入缓存对象previous = map.put(key, value);//如果已有缓存对象,则缓存大小恢复到之前if (previous != null) {size -= safeSizeOf(key, previous);}}//entryRemoved()是个空方法,可以自行实现if (previous != null) {entryRemoved(false, key, previous, value);}//调整缓存大小(关键方法)trimToSize(maxSize);return previous;
}

可以看到 put() 方法并没有什么难点,重要的就是在添加过缓存对象后,调用 trimToSize()方法,来判断缓存是否已满,如果满了就要删除近期最少使用的算法。跟进去看看 trimToSize()方法

public void trimToSize(int maxSize) {//死循环while (true) {K key;V value;synchronized (this) {//如果map为空并且缓存size不等于0或者缓存size小于0,抛出异常if (size < 0 || (map.isEmpty() && size != 0)) {throw new IllegalStateException(getClass().getName()+ ".sizeOf() is reporting inconsistent results!");}//如果缓存大小size小于最大缓存,或者map为空,不需要再删除缓存对象,跳出循环if (size <= maxSize || map.isEmpty()) {break;}//迭代器获取第一个对象,即队尾的元素,近期最少访问的元素Map.Entry<K, V> toEvict = map.entrySet().iterator().next();key = toEvict.getKey();value = toEvict.getValue();//删除该对象,并更新缓存大小map.remove(key);size -= safeSizeOf(key, value);evictionCount++;}entryRemoved(true, key, value, null);}
}

trimToSize() 方法不断地删除 LinkedHashMap 中队尾的元素,即近期最少访问的,直到缓存大小小于最大值。

当调用 LruCache 的 get() 方法获取集合中的缓存对象时,就代表访问了一次该元素,将会更新队列,保持整个队列是按照访问顺序排序。这个更新过程就是在 LinkedHashMap 中的 get() 方法中完成的。先看 LruCache 的 get() 方法

public final V get(K key) {//key为空抛出异常if (key == null) {throw new NullPointerException("key == null");}V mapValue;synchronized (this) {//获取对应的缓存对象//get()方法会实现将访问的元素更新到队列头部的功能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;//实现排序的关键方法e.recordAccess(this);return e.value;
}

调用 recordAccess() 方法如下:

 void recordAccess(HashMap<K,V> m) {LinkedHashMap<K,V> lm = (LinkedHashMap<K,V>)m;//判断是否是访问排序if (lm.accessOrder) {lm.modCount++;//删除此元素remove();//将此元素移动到队列的头部addBefore(lm.header);}
}

由此可见 LruCache 中维护了一个集合 LinkedHashMap,该 LinkedHashMap 是以访问顺序排序的。当调用 put() 方法时,就会在集合中添加元素,并调用 trimToSize() 判断缓存是否已满,如果满了就用 LinkedHashMap 的迭代器删除队尾元素,即近期最少访问的元素。当调用 get() 方法访问缓存对象时,就会调用 LinkedHashMap 的 get() 方法获得对应集合元素,同时会更新该元素到队头。

这篇关于Android LruCache 缓存机制解析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/978020

相关文章

PostgreSQL的扩展dict_int应用案例解析

《PostgreSQL的扩展dict_int应用案例解析》dict_int扩展为PostgreSQL提供了专业的整数文本处理能力,特别适合需要精确处理数字内容的搜索场景,本文给大家介绍PostgreS... 目录PostgreSQL的扩展dict_int一、扩展概述二、核心功能三、安装与启用四、字典配置方法

Spring事务传播机制最佳实践

《Spring事务传播机制最佳实践》Spring的事务传播机制为我们提供了优雅的解决方案,本文将带您深入理解这一机制,掌握不同场景下的最佳实践,感兴趣的朋友一起看看吧... 目录1. 什么是事务传播行为2. Spring支持的七种事务传播行为2.1 REQUIRED(默认)2.2 SUPPORTS2

深度解析Java DTO(最新推荐)

《深度解析JavaDTO(最新推荐)》DTO(DataTransferObject)是一种用于在不同层(如Controller层、Service层)之间传输数据的对象设计模式,其核心目的是封装数据,... 目录一、什么是DTO?DTO的核心特点:二、为什么需要DTO?(对比Entity)三、实际应用场景解析

深度解析Java项目中包和包之间的联系

《深度解析Java项目中包和包之间的联系》文章浏览阅读850次,点赞13次,收藏8次。本文详细介绍了Java分层架构中的几个关键包:DTO、Controller、Service和Mapper。_jav... 目录前言一、各大包1.DTO1.1、DTO的核心用途1.2. DTO与实体类(Entity)的区别1

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.

MySQL中的锁机制详解之全局锁,表级锁,行级锁

《MySQL中的锁机制详解之全局锁,表级锁,行级锁》MySQL锁机制通过全局、表级、行级锁控制并发,保障数据一致性与隔离性,全局锁适用于全库备份,表级锁适合读多写少场景,行级锁(InnoDB)实现高并... 目录一、锁机制基础:从并发问题到锁分类1.1 并发访问的三大问题1.2 锁的核心作用1.3 锁粒度分

使用Python绘制3D堆叠条形图全解析

《使用Python绘制3D堆叠条形图全解析》在数据可视化的工具箱里,3D图表总能带来眼前一亮的效果,本文就来和大家聊聊如何使用Python实现绘制3D堆叠条形图,感兴趣的小伙伴可以了解下... 目录为什么选择 3D 堆叠条形图代码实现:从数据到 3D 世界的搭建核心代码逐行解析细节优化应用场景:3D 堆叠图

深度解析Python装饰器常见用法与进阶技巧

《深度解析Python装饰器常见用法与进阶技巧》Python装饰器(Decorator)是提升代码可读性与复用性的强大工具,本文将深入解析Python装饰器的原理,常见用法,进阶技巧与最佳实践,希望可... 目录装饰器的基本原理函数装饰器的常见用法带参数的装饰器类装饰器与方法装饰器装饰器的嵌套与组合进阶技巧

解析C++11 static_assert及与Boost库的关联从入门到精通

《解析C++11static_assert及与Boost库的关联从入门到精通》static_assert是C++中强大的编译时验证工具,它能够在编译阶段拦截不符合预期的类型或值,增强代码的健壮性,通... 目录一、背景知识:传统断言方法的局限性1.1 assert宏1.2 #error指令1.3 第三方解决

全面解析MySQL索引长度限制问题与解决方案

《全面解析MySQL索引长度限制问题与解决方案》MySQL对索引长度设限是为了保持高效的数据检索性能,这个限制不是MySQL的缺陷,而是数据库设计中的权衡结果,下面我们就来看看如何解决这一问题吧... 目录引言:为什么会有索引键长度问题?一、问题根源深度解析mysql索引长度限制原理实际场景示例二、五大解决