Volley源码分析

最新推荐文章于 2022-02-13 12:16:12 发布
最新推荐文章于 2022-02-13 12:16:12 发布
阅读量385 收藏
点赞数
分类专栏： 框架源码分析 文章标签： volley
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014763302/article/details/72626303
版权 
Volley  
	cacheDir=com.hai.cache
	RequestQueue
		DiskBasedCache
			cacheDir
		BasicNetwork
			HurlStack
		ExecutorDelivery(new Handler(Looper.getMainLooper()
	RequestQueue
		AtomicInteger mSequenceGenerator
		HashMap<String, Queue<Request>> mWaitingRequests
		HashSet<Request> mCurrentRequests
		PriorityBlockingQueue<Request> mCacheQueue
		PriorityBlockingQueue<Request> mNetworkQueue
		NetworkDispatcher[4] mDispatchers
			mNetworkQueue
			mNetwork(BasicNetwork)
			mCache(DiskBasedCache)
			mDelivery(ExecutorDelivery)
		CacheDispatcher(request调度线程)
			mCacheQueue
			mNetworkQueue
			mCache(DiskBasedCache)
			mDelivery(ExecutorDelivery)
			
						
1,mCache从缓存读取所遇缓存文件的CacheHeader，记录缓存文件大小
2,CacheDispatcher循环从 mCacheQueue 中取走request
	判断DiskBasedCache是否有key为此请求的Uri的Cache.Entry,没有的话mNetworkQueue添加request
3,NetworkDispatcher循环从 mNetworkQueue 中取走request
	BasicNetwork执行request
		HurlStack执行request，connection.setUseCaches(false)

4初始化一个StringRequest：
	Request.Method.POST
	Response.Listener
	Response.ErrorListener
	DefaultRetryPolicy
		DEFAULT_TIMEOUT_MS = 2500;
		DEFAULT_MAX_RETRIES = 1;
		DEFAULT_BACKOFF_MULT = 1.0F;
	mShouldCache=true
5StringRequest 设置当前请求队列， mCurrentRequests 添加StringRequest
mWaitingRequests 第一次添加key=uri，value=null； mCacheQueue 添加StringRequest
		
		
		
正在分析 PriorityBlockingQueue.take()是否原子性
PoolingByteArrayOutputStream



Volley  
    DiskBasedCache cacheDir=package/cache/volley//缓存数据   
    request.mDefaultTrafficStatsTag=host.hashcode/0 if url=null  
    HttpStack stack=HurlStack  
        UrlRewriter mUrlRewriter=null;  
        SSLSocketFactory mSslSocketFactory=null;  
    network = new BasicNetwork(stack);  
        mHttpStack = httpStack;  
        ByteArrayPool mPool=new ByteArrayPool(DEFAULT_POOL_SIZE)  
    queue = new RequestQueue(new DiskBasedCache(cacheDir), network);//请求队列   
        Cache mCache=cacheDir;  
        Network mNetwork=network  
        //请求队列  
        Map<String, Queue<Request>> mWaitingRequests =new HashMap<String, Queue<Request>>();  
        Set<Request> mCurrentRequests = new HashSet<Request>()  
        PriorityBlockingQueue<Request> mCacheQueue =new PriorityBlockingQueue<Request>();  
        //请求队列  
        PriorityBlockingQueue<Request<?>> mNetworkQueue = new PriorityBlockingQueue<Request<?>>();  
          
        List<RequestFinishedListener> mFinishedListeners =new ArrayList<RequestFinishedListener>();  
        ResponseDelivery mDelivery=new ExecutorDelivery(new Handler(Looper.getMainLooper()))  
            Executor mResponsePoster=new Executor()  
        Thread[] mDispatchers=new NetworkDispatcher[4];//网络调度器  
            BlockingQueue<Request<?>> mQueue=mNetworkQueue;  
            Network mNetwork=mNetwork;  
            Cache mCache=mCache;  
            ResponseDelivery mDelivery=mDelivery;  
        Thread mCacheDispatcher;//缓存调度器  
            BlockingQueue<Request<?>> mCacheQueue=mCacheQueue;  
            BlockingQueue<Request<?>> mNetworkQueue=mNetworkQueue;  
            Cache mCache=mCache;  
            ResponseDelivery mDelivery;  
    Request  request  
        RequestQueue mRequestQueue=queue  
        Integer mSequence;

梦天2015
关注
专栏目录
volley源码
10-18
Volley源码中的关键类和方法包括： 1. Request类：请求的基类，包含请求的URL、方法、数据、优先级等信息。 2. RequestQueue类：管理请求的队列，调度请求的执行。 3. Cache类：实现HTTP缓存功能，包括LRU算法的...
Volley源码
01-28
Volley源码的分析有助于我们深入理解其内部工作原理，从而更好地利用它来优化我们的应用程序。 Volley的核心特性包括： 1. **缓存策略**： - Volley提供了基于内存和磁盘的两级缓存机制，能够快速响应网络请求，...
Volley源码解析
JaydenHo的专栏
02-01 787
一、简介 Volley是谷歌官方提供的Android应用程序网络请求框架。 1、入口 RequestQueue类中的add方法。 /** * Adds a Request to the dispatch queue. * @param request The request to service * @return The passed-in
Volley框架的使用
亿岁一的博客
08-09 202
Volley 是 Google 推出的 Android 异步网络请求框架和图片加载框架。  Volley 的特点：特别适合数据量小，通信频繁的网络操作。 Volley 的主要特点: (1). 扩展性强。Volley 中大多是基于接口的设计，可配置性强。 (2). 一定程度符合 Http 规范，包括返回 ResponseCode(2xx、3xx、4xx、5xx）的处理，请求头的处理，缓存机制
Android Volley源码分析(1)
02-13 130
1. Volley.newRequestQueue 我们从Volley中RequestQueue的初始化入手，开始进行分析。 //应用利用Volley.java的静态方法，获取RequestQueue，开启使用Volley框架的大门 public static RequestQueue newRequestQueue(Context context) { return newRequestQueue(context, null); } //最终调用到该函数 //HttpStack是个接口，定义了..
Volley源码分析二
ShanQuanQiang的专栏
05-05 2858
在前两天我发布的文章：Volley源码分析一 中我较为详细的分析了Volley，今天继续，这篇文章会讲一些上一篇没有提到的比较细节的点，以及对于Volley源码中一些可以优化的实现的一些思考ByteArrayPool的分析byte[] 的回收池，用于 byte[] 的回收再利用，减少了内存的分配和回收。主要通过一个元素长度从小到大排序的ArrayList作为 byte[] 的缓存，另有一个按使用时间
volley源码分析
jackyCoder的博客
09-27 397
这里以JsonRequest(即网络请求数据为json格式)为例:          下图为Volley执行的简单流程的步骤     以下来通过源码分析每个步骤的具体实现:           1  请求队列的初始化 :                 从代码最初的初始化一个请求队列开始, 由于一个app中请求数据的频繁, 可以将初始化请求队列的代码写在applicatio
android Volley 源码分析
zhangjin12312的博客
07-03 258
经过前三篇文章的学习，Volley的用法我们已经掌握的差不多了，但是对于Volley的工作原理，恐怕有很多朋友还不是很清楚。因此，本篇文章中我们就来一起阅读一下Volley的源码，将它的工作流程整体地梳理一遍。同时，这也是Volley系列的最后一篇文章了。 其实，Volley的官方文档中本身就附有了一张Volley的工作流程图，如下图所示。
Volley 源码分析
yy254117440的博客
08-18 587
Volley基本使用 //声明一个请求队列，请求队列最好全局唯一。 RequestQueue mQueue = Volley.newRequestQueue(context); //请求的错误回调 Response.ErrorListener errorListener = new Response.ErrorListener() {
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深入解析Volley源码：理解其工作流程与机制
本篇文章主要聚焦于通过源码分析，深入理解Volley的工作原理。在之前的文章中，我们可能已经学习了如何使用Volley进行网络请求，包括ImageLoader、NetworkImageView等组件的使用，但对Volley内部是如何处理请求的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值