緩存策略在移動端設備上是非常重要的，尤其是在圖片加載這個場景下，因爲圖片相對而言比較大會花費用戶較多的流量，因此可用緩存方式來解決，即當程序第一次從網絡上獲取圖片的時候，就將其緩存到存儲設備上，這樣在用戶下次使用這張圖片時就不用從網絡上再次獲取，這樣就能爲用戶節省一定的流量。這個功能目前絕大部分主流APP都會使用，如騰訊QQ，微信。但很多時候爲了提高APP的用戶體驗，我們還需要把圖片在內存中緩存一份，比如ListView，我們知道LIstView會在用戶將某些圖片移出屏幕後將其進行回收，此時垃圾回收器會認爲你不再持有這些圖片的引用，從而對這些圖片進行GC操作。可是爲了能讓程序快速運行，在界面上迅速地加載圖片，必須要考慮到某些圖片被回收之後，用戶又將它重新滑入屏幕這種情況，而這種情況在ListView，GridView這種控件中出現是非常頻繁的。採用內存緩存技術可以很好的解決上述問題，內存緩存技術允許控件可以快速地重新加載那些處理過的圖片。內存緩存技術主要是通過LruCache這個類來完成的，下面從源碼的角度詳細講解LruCache這個類，然後在此基礎上講解如何使用LruCache，讓讀者知其然更知其所以然。
一LruCache類：
首先我們來看一下類的定義及其構造函數：
public class LruCache<K, V>
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);
}然後我麼來看一下其重要的方法：
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;
}
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++;
}
/*
* Attempt to create a value. This may take a long time, and the map
* may be different when create() returns. If a conflicting value was
* added to the map while create() was working, we leave that value in
* the map and release the created value.
*/
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 {
size += safeSizeOf(key, createdValue);
}
}
if (mapValue != null) {
entryRemoved(false, key, createdValue, mapValue);
return mapValue;
} else {
trimToSize(maxSize);
return createdValue;
}
}
protected int sizeOf(K key, V value) {
return 1;
}之所以把這三個方法拿出來講解，是因爲這三個方法它對應着我們實現的LruCache內存緩存策略的創建緩存，添加key到緩存，從緩存中獲取V這三個最重要的功能，通常我們在創建緩存時會重寫上述的sizeOf(K key, V value)，在該方法中返回我們要創建的內存緩存的大小。而put與get則相對複雜些，我們首先來分析一下put方法。
可以看到put方法作用是緩存key，同時會將key移動到隊列頭部Caches {@code value} for {@code key}. The value is moved to the head of the queue.，另外它會返回與的key對應的先前的V，（return the previous value mapped by {@code key}）。採用的是同步方式來實現的。
接下來我們看一下get方法。
從get方法中可以看到get包括兩種情況：
1取的時候命中：直接返回與key對應的V。
2取的時候未命中：根據key產生一個V，然後調用put方法將其放入。
當get方法會將返回的值移動到隊列頭部。If a value was returned, it is moved to the head of the queue。
從put與get方法可以看到，put與get時會將該元素放到隊列的頭部，因爲無論是put還是get都表示該元素目前被使用過，所以會將其放到隊列的頭部，當緩存中的元素超過maxSize時，會通過trimToSize函數來去除緩存中最久的元素（ Map.Entry<K, V> toEvict = map.eldest();），這就是所謂的LRU算法，即最近最少使用算法，即噹噹緩存中的元素超過maxSize時會淘汰最近最少使用的元素。下面是trimToSize的源碼：
public 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!");
}
if (size <= maxSize) {
break;
}
Map.Entry<K, V> toEvict = map.eldest();//首先獲取最久的元素
if (toEvict == null) {
break;
}
key = toEvict.getKey();
value = toEvict.getValue();
map.remove(key);//去除最久的元素（也是未被使用的最久的元素）
size -= safeSizeOf(key, value);
evictionCount++;
}
entryRemoved(true, key, value, null);
}
}
下面是LinkedHashMap中eldest()函數的代碼：
public Entry<K, V> eldest() {
LinkedEntry<K, V> eldest = header.nxt;
return eldest != header ? eldest : null;
}二LruCache的使用：
這個類是3.1版本中提供的，如果要在更早的Android版本中使用，則需要導入android-support-v4的jar包。
我們以BitMap對象來創建LruCache緩存爲例，首先正如我在前面講述的，一個LruCache緩存策略至少包含三個功能，即創建緩存，向緩存中添加元素，從緩存中獲取元素。
代碼如下：
private LruCache<String, Bitmap> mMemoryCache;
@Override
protected void onCreate(Bundle savedInstanceState) {
...
// Get max available VM memory, exceeding this amount will throw an
// OutOfMemory exception. Stored in kilobytes as LruCache takes an
// int in its constructor.
final int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
// Use 1/8th of the available memory for this memory cache.
final int cacheSize = maxMemory / 8;
mMemoryCache = new LruCache<String, Bitmap>(cacheSize) {
@Override
protected int sizeOf(String key, Bitmap bitmap) {
// The cache size will be measured in kilobytes rather than
// number of items.
return bitmap.getByteCount() / 1024;
}
};
...
}
public void addBitmapToMemoryCache(String key, Bitmap bitmap) {
if (getBitmapFromMemCache(key) == null) {
mMemoryCache.put(key, bitmap);
}
}
public Bitmap getBitmapFromMemCache(String key) {
return mMemoryCache.get(key);
}public void loadBitmap(int resId, ImageView imageView) {
final String imageKey = String.valueOf(resId);
final Bitmap bitmap = getBitmapFromMemCache(imageKey);
if (bitmap != null) {
mImageView.setImageBitmap(bitmap);
} else {
mImageView.setImageResource(R.drawable.image_placeholder);
BitmapWorkerTask task = new BitmapWorkerTask(mImageView);
task.execute(resId);
}
}class BitmapWorkerTask extends AsyncTask<Integer, Void, Bitmap> {
...
// Decode image in background.
@Override
protected Bitmap doInBackground(Integer... params) {
final Bitmap bitmap = decodeSampledBitmapFromResource(
getResources(), params[0], 100, 100));
addBitmapToMemoryCache(String.valueOf(params[0]), bitmap);
return bitmap;
}
...
}
，另外看官還可以看看我的其它博客的文章哦！
