本文共 6023 字，大约阅读时间需要 20 分钟。

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，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。

一、Android中的缓存策略

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。

二、LruCache的使用

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。

1.LruCache的介绍

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。

2.LruCache的使用

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
   
    (cacheSize){            @Override            protected 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。

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、LruCache的实现原理

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。

如下图所示：

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true则为访问顺序，为false，则为插入顺序。

以具体例子解释：

public static final void main(String[] args) {        LinkedHashMap
   
     map = new LinkedHashMap<>(0, 0.75f, true);        map.put(0, 0);        map.put(1, 1);        map.put(2, 2);        map.put(3, 3);        map.put(4, 4);        map.put(5, 5);        map.put(6, 6);        map.get(1);        map.get(2);        for (Map.Entry
    
      entry : map.entrySet()) {            System.out.println(entry.getKey() + ":" + entry.getValue());        }    }
    
   

输出结果：

0:0

3:3

4:4

5:5

6:6

1:1

2:2

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。

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。

public LruCache(int maxSize) {        if (maxSize <= 0) {            throw new IllegalArgumentException("maxSize <= 0");        }        this.maxSize = maxSize;        this.map = new LinkedHashMap
   
    (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。

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1            putCount++;            //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。

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
   
     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

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
   
     e = (LinkedHashMapEntry
    
     )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
   
     m) {            LinkedHashMap
    
      lm = (LinkedHashMap
     
      )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，就会在结合中添加元素，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。

以上便是LruCache实现的原理，理解了LinkedHashMap的数据结构就能理解整个原理。如果不懂，可以先看看LinkedHashMap的具体实现。

转载地址：https://liwangjiang.blog.csdn.net/article/details/86062235 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！