android的内存优化-------LruCache

面试：你懂什么是分布式系统吗？Redis分布式锁都不会？>>>   

概念：

LruCache 
什么是LruCache？ 
LruCache实现原理是什么？

这两个问题其实可以作为一个问题来回答，知道了什么是 LruCache，就只然而然的知道 LruCache 的实现原理；Lru的全称是Least Recently Used ，近期最少使用的。所以我们可以推断出 LruCache 的实现原理：把近期最少使用的数据从缓存中移除，保留使用最频繁的数据，那具体代码要怎么实现呢，我们进入到源码中看看。

首先，我们先看一下LinkHashMap

LinkHashMap是继承自HashMap的一个类，对于HashMap来说它只是多定义了两个变量如下，当然也是通过这两个变量以及重写HashMap的部分方法来实现，LRU的功能。

/**
   循环链表中一个虚拟的入口，第一个元素是header的next，   
   最后一个元素是header的尾部  
   
   如果map是空的话，那么header.nxt == header && header.prv == header. 
   nxt，prv，表示一个元素的前后元素，相信学过的链表的道友们都会知道这个的吧
   */
  transient LinkedEntry<K, V> header;

  /**
   * True if access ordered, false if insertion ordered.  
   这个是用于控制，外部访问链表的时候，是按什么顺序访问的  ，
   ，true就是按照最近访问来排列元素，从而被遍历，否则就是按照插入顺序来被遍历，当然存储的时候也会根据这个变量来做特殊的处理，   
   true的时候那么就会在访问和删除的时候修改链表的元素的before和next的指针。
   */
  private final boolean accessOrder;

LinkedHashMap的关键构造方法之一

/**
    
    * @param initialCapacity  定义LinkedHashMap的初始容量
    *            the initial capacity of this hash map.
    * @param loadFactor 定义加载因子，用于当容量不够用的时候，扩展容量时，
                         是用初始容量*加载因子等于之后扩展的容量。
    *            the initial load factor.
    * @param accessOrder 
    *            {@code true} if the ordering should be done based on the last
    *            access (from least-recently accessed to most-recently
    *            accessed), and {@code false} if the ordering should be the
    *            order in which the entries were inserted.
    * @throws IllegalArgumentException
    *             when the capacity is less than zero or the load factor is
    *             less or equal to zero.
    */
public LinkedHashMap(
       int initialCapacity, float loadFactor, boolean accessOrder) {
   super(initialCapacity, loadFactor);
   init();
   this.accessOrder = accessOrder;
}

可以看到LinkedHashMap的构造方法就是调用了父类构造方法，然后给accessOrder赋值，其中调用了init()，那接下来我们一起来看看init()，init很简单就是给header赋值了，指向了一个LinkedEntry对象。

@Override void addNewEntry(K key, V value, int hash, int index) {
        LinkedEntry<K, V> header = this.header;
    
        // Remove eldest entry if instructed to do so.
        LinkedEntry<K, V> eldest = header.nxt;
        if (eldest != header && removeEldestEntry(eldest)) {
            remove(eldest.key);
        }

        // Create new entry, link it on to list, and put it into table
        LinkedEntry<K, V> oldTail = header.prv;
        LinkedEntry<K, V> newTail = new LinkedEntry<K,V>(
                key, value, hash, table[index], header, oldTail);
        table[index] = oldTail.nxt = header.prv = newTail;
    }

从addNewEntry代码可以看到 ，首先保存了当前链表的头部，然后判断是否需要移除最不常访问的entry，再将它移除，因为LinkedHashMap是始终将最不常访问的放在头部，所以header.nxt便是就老的entry。 然后创建一个新的entry，记录下当前最近被访问的元素即尾部元素，由于是循环链表所以头部的prv，便是当前最近被访问的元素，然后新插入的元素应该位于尾部，我们假设插入的元素为a， 那么a的prv，便是刚刚记录下来的最近被访问的元素，而nxt这是header元素，从而将entry的nxt，pre调整好之后，插入功能这也就完成了。而这个方法是在HashMap的put方法中调用的，LinkedHashMap重写了HashMap的addNewEntry方法。从而完成链表操作。
接下来我们来看看，查询操作get，LinkedHashMap重写了HashMap的get方法，具体代码如下:

@Override public V get(Object key) {
      /*
       * This method is overridden to eliminate the need for a polymorphic
       * invocation in superclass at the expense of code duplication.
       */
      if (key == null) {
          HashMapEntry<K, V> e = entryForNullKey;
          if (e == null)
              return null;
          if (accessOrder)
              makeTail((LinkedEntry<K, V>) e);
          return e.value;
      }

      int hash = Collections.secondaryHash(key);
      HashMapEntry<K, V>[] tab = table;
      for (HashMapEntry<K, V> e = tab[hash & (tab.length - 1)];
              e != null; e = e.next) {
          K eKey = e.key;
          if (eKey == key || (e.hash == hash && key.equals(eKey))) {
              if (accessOrder)
                  makeTail((LinkedEntry<K, V>) e);
              return e.value;
          }
      }
      return null;
  }

https://www.jianshu.com/p/b0442c719525

 

LruCache源码分析

public class LruCache<K, V> {
    //缓存 map 集合，为什么要用LinkedHashMap
    //因为没错取了缓存值之后，都要进行排序，以确保
    //下次移除的是最少使用的值

    private final LinkedHashMap<K, V> map;
    //当前缓存的值
    private int size;
    //最大值
    private int maxSize;
    //添加到缓存中的个数
    private int putCount;
    //创建的个数
    private int createCount;
    //被移除的个数
    private int evictionCount;
    //命中个数
    private int hitCount;
    //丢失个数
    private int missCount;

    //实例化 Lru，需要传入缓存的最大值
    //这个最大值可以是个数，比如对象的个数，也可以是内存的大小
    //比如，最大内存只能缓存5兆
    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);
    }

    //重置最大缓存的值
    public void resize(int maxSize) {
        if (maxSize <= 0) {
            throw new IllegalArgumentException("maxSize <= 0");
        }

        synchronized (this) {
            this.maxSize = maxSize;
        }
        trimToSize(maxSize);
    }

    //通过 key 获取缓存值
    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++;
        }


        //如果没有，用户可以去创建
        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 {
                //缓存的大小改变
                size += safeSizeOf(key, createdValue);
            }
        }
        //这里没有移除，只是改变了位置
        if (mapValue != null) {
            entryRemoved(false, key, createdValue, mapValue);
            return mapValue;
        } else {
            //判断缓存是否越界
            trimToSize(maxSize);
            return createdValue;
        }
    }

    //添加缓存，跟上面这个方法的 create 之后的代码一样的
    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;
    }

    //检测缓存是否越界
    private 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!");
                }
                //如果没有，则返回
                if (size <= maxSize) {
                    break;
                }
                //以下代码表示已经超出了最大范围
                Map.Entry<K, V> toEvict = null;
                for (Map.Entry<K, V> entry : map.entrySet()) {
                    toEvict = entry;
                }

                if (toEvict == null) {
                    break;
                }
                //移除最后一个，也就是最少使用的缓存
                key = toEvict.getKey();
                value = toEvict.getValue();
                map.remove(key);
                size -= safeSizeOf(key, value);
                evictionCount++;
            }

            entryRemoved(true, key, value, null);
        }
    }

    //手动移除，用户调用
    public final V remove(K key) {
        if (key == null) {
            throw new NullPointerException("key == null");
        }

        V previous;
        synchronized (this) {
            previous = map.remove(key);
            if (previous != null) {
                size -= safeSizeOf(key, previous);
            }
        }

        if (previous != null) {
            entryRemoved(false, key, previous, null);
        }

        return previous;
    }
    //这里用户可以重写它，实现数据和内存回收操作
    protected void entryRemoved(boolean evicted, K key, V oldValue, V newValue) {}


    protected V create(K key) {
        return null;
    }

    private int safeSizeOf(K key, V value) {
        int result = sizeOf(key, value);
        if (result < 0) {
            throw new IllegalStateException("Negative size: " + key + "=" + value);
        }
        return result;
    }

        //这个方法要特别注意，跟我们实例化 LruCache 的 maxSize 要呼应，怎么做到呼应呢，比如 maxSize 的大小为缓存的个数，这里就是 return 1就 ok，如果是内存的大小，如果5M，这个就不能是个数 了，这是应该是每个缓存 value 的 size 大小，如果是 Bitmap，这应该是 bitmap.getByteCount();
    protected int sizeOf(K key, V value) {
        return 1;
    }

    //清空缓存
    public final void evictAll() {
        trimToSize(-1); // -1 will evict 0-sized elements
    }


    public synchronized final int size() {
        return size;
    }


    public synchronized final int maxSize() {
        return maxSize;
    }


    public synchronized final int hitCount() {
        return hitCount;
    }


    public synchronized final int missCount() {
        return missCount;
    }


    public synchronized final int createCount() {
        return createCount;
    }


    public synchronized final int putCount() {
        return putCount;
    }


    public synchronized final int evictionCount() {
        return evictionCount;
    }


    public synchronized final Map<K, V> snapshot() {
        return new LinkedHashMap<K, V>(map);
    }
}

}