Log.i(TAG, “initView: outWidth=”+outWidth+",outHeight="+outHeight);
//3、原始宽高信息 和 view的大小 计算并设置采样率
ViewGroup.LayoutParams layoutParams = ivBitamp.getLayoutParams();
int inSampleSize = getInSampleSize(layoutParams.width, layoutParams.height, outWidth, outHeight);
options.inSampleSize = inSampleSize;
Log.i(TAG, “initView: inSampleSize=”+options.inSampleSize);
//4、inJustDecodeBounds设为false,并加载图片
options.inJustDecodeBounds = false;
Bitmap bitmap= BitmapFactory.decodeResource(getResources(), R.mipmap.blue, options);
Log.i(TAG, “initView: size=”+bitmap.getByteCount());
int density = bitmap.getDensity();
Log.i(TAG, “initView: density=”+density);
Log.i(TAG, “initView: original size=”+3372224);
Log.i(TAG, “initView: calculated size=”+ (337/inSampleSize) (222/inSampleSize) density/480 *4);
//绘制到view
ivBitamp.setImageBitmap(bitmap);
}
/**
-
计算采样率
-
@param width view的宽
-
@param height view的高
-
@param outWidth 图片原始的宽
-
@param outHeight 图片原始的高
-
@return
*/
private int getInSampleSize(int width, int height, int outWidth, int outHeight) {
int inSampleSize = 1;
if (outWidth>width || outHeight>height){
int halfWidth = outWidth / 2;
int halfHeight = outHeight / 2;
//保证采样后的宽高都不小于目标快高,否则会拉伸而模糊
while (halfWidth/inSampleSize >=width
&& halfHeight/inSampleSize>=height){
//采样率一般取2的指数
inSampleSize *=2;
}
}
return inSampleSize;
}
}
二、Android中的缓存策略
===============
缓存策略在Android中应用广泛。使用缓存可以节省流量、提高效率。
加载图片时,一般会从网络加载,然后缓存在存储设备上,这样下次就不用请求网络了。并且通常也会缓存一份到内存中,这样下次可以直接取内存中的缓存,要比从存储设备中取快很多。所以一般是先从内存中取,内存没有就取存储设备,也没有才会请求网络,这就是所谓的“**三级
《Android学习笔记总结+最新移动架构视频+大厂安卓面试真题+项目实战源码讲义》
【docs.qq.com/doc/DSkNLaERkbnFoS0ZF】 完整内容开源分享
缓存**”。此策略同样适用其他文件类型。
缓存策略中的操作有 添加缓存、获取缓存、删除缓存。添加和获取比较好理解,删除缓存是啥意思?因为缓存大小是有限制的,像移动设备的 内存 和 设备存储都是有限的,不能无限制的添加,只能限定一个最大缓存,到达最大时就会删除一部分缓存。但是删除哪一部分缓存呢?删除 缓存创建时间最老的吗,如果它经常用到呢,好像不太完美,当然这也是一种缓存算法。
目前经典的缓存算法是LRU(Least Recently Used),最近最少使用。具体就是 当缓存满时,会先删除那些 近期 最少使用 的缓存。使用LRU算法的缓存有两种,LruCache和DiskLruCache,LruCache是使用内存缓存,DiskLruCache是实现磁盘缓存。
2.1 LruCache
LruCache是泛型类,使用方法如下: 提供最大缓存容量,创建LruCache实例,并重写其sizeOf方法来计算缓存对象的大小。最大容量和缓存对象大小单位要一致。
private void testLruCache() {
//当前进程的最大内存,单位M
long maxMemory = Runtime.getRuntime().maxMemory() / 1024 / 1024;
//取进程内存的1/8
int cacheMaxSize = (int) (maxMemory/8);
//创建Bitmap实例
mBitmapLruCache = new LruCache<String, Bitmap>(cacheMaxSize){
@Override
protected int sizeOf(String key, Bitmap value) {
//缓存对象bitmap的大小,单位M
return value.getByteCount()/1024/1024;
}
@Override
protected void entryRemoved(boolean evicted, String key, Bitmap oldValue, Bitmap newValue) {
//移除旧缓存时会调用,可以在这里进行像资源回收的工作。
//evicted为true,表示此处移除是因为快满了要腾出空间
}
};
//添加缓存
mBitmapLruCache.put(“1”,mBitmap);
//获取缓存
Bitmap bitmap = mBitmapLruCache.get(“1”);
ivBitamp.setImageBitmap(bitmap);
//删除缓存,一般不会用,因为快满时会自动删近期最少使用的缓存,就是它的核心功能
mBitmapLruCache.remove(“1”);
}
可见使用很简单,那么LruCache是怎么完成 删除“近期最少使用” 的呢?看下LruCache的代码:
public class LruCache<K, V> {
//此map以强引用的方式存储缓存对象
private final LinkedHashMap<K, V> map;
//当前缓存的大小(带单位的)
private int size;
//缓存最大容量(带单位的)
private int maxSize;
…
public LruCache(int maxSize) {
if (maxSize <= 0) {
throw new IllegalArgumentException(“maxSize <= 0”);
}
this.maxSize = maxSize;
//LinkedHashMap是按照 访问顺序 排序的,所以get、put操作都会把要存的k-v放在队尾
this.map = new LinkedHashMap<K, V>(0, 0.75f, true);
}
/**
- 获取缓存,同时会把此k-v放在链表的尾部
*/
public final V get(K key) {
i