欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  移动技术

Android缓存机制详解

程序员文章站 2023-09-29 17:16:12
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...

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。
②重写sizeof方法,计算出要缓存的每张图片的大小。

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:

 

Android缓存机制详解

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中的对按照一定顺序排列起来。,value>

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:
当设置为true时

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。
trimtosize()方法

 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。