BlobCache算法和LruCache算法是android中的图片缓存算法。LruCache算法在日常开发中用得比较多，但BlobCache却用得比较少，网上介绍的文章也是少得可怜。
跟LruCache不一样，BlobCache并不属于android的util，BlobCache最开始使用的地方是谷歌的Gallery，具体源码可以查看：BlobCache
一、BlobCache框架
BlobCache会在本地保存三个文件imageCache.idx、imageCache.0、imageCache.1（后缀固定，但前缀名字可以自定义）。其中imageCache.idx是数据的索引文件，imageCache.0和imageCache.1是保存数据的文件。
BlobCache算法的核心就是将所有的缓存数据都保存在同一个data文件中（imageCache.0或imageCache.1），记录缓存数据的索引保存在imageCache.idx文件中，由于imageCache.idx文件内存占用较小，读写时会把整个imageCache.idx文件映射至内存，然后使用RandomAccessFile随机读取接口，像操作指针一样控制index的偏移量读写data文件对应位置的数据。由于缓存文件存储在同一个文件下，缓存数据只能增加不能删除，BlobCache巧妙通过两个data文件(active和inactive即imageCache.0和imageCache.1)的翻转来实现缓存数据的删除更新。
二、索引文件（imageCache.idx）
// index header offset
private static final int IH_MAGIC = 0;
private static final int IH_MAX_ENTRIES = 4;
private static final int IH_MAX_BYTES = 8;
private static final int IH_ACTIVE_REGION = 12;
private static final int IH_ACTIVE_ENTRIES = 16;
private static final int IH_ACTIVE_BYTES = 20;
private static final int IH_VERSION = 24;
private static final int IH_CHECKSUM = 28;
private static final int INDEX_HEADER_SIZE = 32;
// Appends the data to the active file. It also updates the hash entry.
// The proper hash entry (suitable for insertion or replacement) must be
// pointed by mSlotOffset.
private void insertInternal(long key, byte[] data, int length)
throws IOException {
byte[] header = mBlobHeader;
int sum = checkSum(data);
writeLong(header, BH_KEY, key);
writeInt(header, BH_CHECKSUM, sum);
writeInt(header, BH_OFFSET, mActiveBytes);
writeInt(header, BH_LENGTH, length);
mActiveDataFile.write(header);
mActiveDataFile.write(data, 0, length);
// key：8个字节
mIndexBuffer.putLong(mSlotOffset, key);
// offset 4个字节
mIndexBuffer.putInt(mSlotOffset + 8, mActiveBytes);
mActiveBytes += BLOB_HEADER_SIZE + length;
writeInt(mIndexHeader, IH_ACTIVE_BYTES, mActiveBytes);
}
private void resetCache(int maxEntries, int maxBytes) throws IOException {
mIndexFile.setLength(0); // truncate to zero the index
mIndexFile.setLength(INDEX_HEADER_SIZE + maxEntries * 12 * 2);
mIndexFile.seek(0);
byte[] buf = mIndexHeader;
// MAGIC 4个字节
writeInt(buf, IH_MAGIC, MAGIC_INDEX_FILE);
// MAX_ENTRIES 4个字节
writeInt(buf, IH_MAX_ENTRIES, maxEntries);
// MAX_BYTES 4个字节
writeInt(buf, IH_MAX_BYTES, maxBytes);
writeInt(buf, IH_ACTIVE_REGION, 0);
writeInt(buf, IH_ACTIVE_ENTRIES, 0);
writeInt(buf, IH_ACTIVE_BYTES, DATA_HEADER_SIZE);
writeInt(buf, IH_VERSION, mVersion);
writeInt(buf, IH_CHECKSUM, checkSum(buf, 0, IH_CHECKSUM));
mIndexFile.write(buf);
// This is only needed if setLength does not zero the extended part.
// writeZero(mIndexFile, maxEntries * 12 * 2);
mDataFile0.setLength(0);
mDataFile1.setLength(0);
mDataFile0.seek(0);
mDataFile1.seek(0);
writeInt(buf, 0, MAGIC_DATA_FILE);
mDataFile0.write(buf, 0, 4);
mDataFile1.write(buf, 0, 4);
}
BlobCache的索引文件（imageCache.idx）分成两部分，前面32字节为用于记录数据的头部，依次分别为：MAGIC、MAX_ENTRIES、MAX_BYTES、ACTIVE_REGION、ACTIVE_ENTRIES、ACTIVE_BYTES、VERSION、CHECKSUM，都是占4个字节；后面的是存储图片的key和该key对应的图片在数据文件中的起始位置，分别占8个字节和4个字节，总共12个字节。
三、数据文件（imageCache.0、imageCache.1）
private void resetCache(int maxEntries, int maxBytes) throws IOException {
mIndexFile.setLength(0); // truncate to zero the index
mIndexFile.setLength(INDEX_HEADER_SIZE + maxEntries * 12 * 2);
mIndexFile.seek(0);
byte[] buf = mIndexHeader;
。。。。。。。
。。。。。。。
// This is only needed if setLength does not zero the extended part.
// writeZero(mIndexFile, maxEntries * 12 * 2);
mDataFile0.setLength(0);
mDataFile1.setLength(0);
mDataFile0.seek(0);
mDataFile1.seek(0);
writeInt(buf, 0, MAGIC_DATA_FILE);
// MAGIC 4个字节
mDataFile0.write(buf, 0, 4);
mDataFile1.write(buf, 0, 4);
}
// blob header offset
private static final int BH_KEY = 0;
private static final int BH_CHECKSUM = 8;
private static final int BH_OFFSET = 12;
private static final int BH_LENGTH = 16;
private static final int BLOB_HEADER_SIZE = 20;
BlobCache的数据文件（imageCache.0、imageCache.1）分成两部分，前面部分是MAGIC，占4个字节；后面部分是图片的所有数据，包括Blob头部和数据。Blob头部又包括KEY（8字节）、CHECKSUM（4字节）、OFFSET（4字节）、LENGTH（4字节），总共20字节；数据是指图片的数据，其长度是变化的，在Blob头部的LENGTH字段中存储。
四、写入图片数据流程
需要预先生成图片的key和data数据文件
// Inserts a (key, data) pair into the cache.
public void insert(long key, byte[] data) throws IOException {
if (DATA_HEADER_SIZE + BLOB_HEADER_SIZE + data.length > mMaxBytes) {
throw new RuntimeException("blob is too large!");
}
// 校验数据文件大小是否达到上限
if (mActiveBytes + BLOB_HEADER_SIZE + data.length > mMaxBytes
|| mActiveEntries * 2 >= mMaxEntries) {
// 翻转两个data文件(active和inactive即imageCache.0和imageCache.1)
flipRegion();
}
// 根据key，在索引文件中查找是否存在文件，如果存在，则获取位置
if (!lookupInternal(key, mActiveHashStart)) {
// If we don't have an existing entry with the same key, increase
// the entry count.
mActiveEntries++;
writeInt(mIndexHeader, IH_ACTIVE_ENTRIES, mActiveEntries);
}
// 插入数据
insertInternal(key, data, data.length);
// 更新索引文件
updateIndexHeader();
}
流程图：
五、读取图片数据流程
读取图片数据，需要关键的key。请求时，需要传入封装好的LookupRequest，也可以只传key，使用内部封装的LookupRequest。LookupRequest封装了key、buffer和length：
public static class LookupRequest {
public long key; // input: the key to find
public byte[] buffer; // input/output: the buffer to store the blob
public int length; // output: the length of the blob
}
读取到相应的图片数据则返回true，否则返回false：
public boolean lookup(LookupRequest req) throws IOException {
// Look up in the active region first.
if (lookupInternal(req.key, mActiveHashStart)) {
if (getBlob(mActiveDataFile, mFileOffset, req)) {
return true;
}
}
// We want to copy the data from the inactive file to the active file
// if it's available. So we keep the offset of the hash entry so we can
// avoid looking it up again.
int insertOffset = mSlotOffset;
// Look up in the inactive region.
if (lookupInternal(req.key, mInactiveHashStart)) {
if (getBlob(mInactiveDataFile, mFileOffset, req)) {
// If we don't have enough space to insert this blob into
// the active file, just return it.
if (mActiveBytes + BLOB_HEADER_SIZE + req.length > mMaxBytes
|| mActiveEntries * 2 >= mMaxEntries) {
return true;
}
// Otherwise copy it over.
mSlotOffset = insertOffset;
try {
insertInternal(req.key, req.buffer, req.length);
mActiveEntries++;
writeInt(mIndexHeader, IH_ACTIVE_ENTRIES, mActiveEntries);
updateIndexHeader();
} catch (Throwable t) {
Log.e(TAG, "cannot copy over");
}
return true;
}
}
return false;
}
流程图：
六、BlobCache、DiskLruCache读取时间对比
BlobCache与DiskLruCache的存储和读取速度对比
982
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
