前言
(LRU)Least Recently Used,最近最少使用算法，其中LruCache便是其在的实现，也是今天的主角，它被用在各种各样的图片库中，我们当然有必要去了解他是如何实现的。源码非常简单，但是能看到许多非常有意思的地方。
如何使用
int cacheSize = 4 * 1024 * 1024; // 4MiB
LruCache bitmapCache = new LruCache(cacheSize) {
protected int sizeOf(String key, Bitmap value) {
return value.getByteCount();
}
}}初始化之后，便可放心的put、get了。很简单，不多说。
初始化过程
public LruCache(int maxSize) {
if (maxSize <= 0) {
throw new IllegalArgumentException("maxSize <= 0");
}
this.maxSize = maxSize;
this.map = new LinkedHashMap(0, 0.75f, true);
}短短的几行代码，却有一个地方需要注意，LinkedHashMap传入的第三个参数，true。这是由含义的，这个参数表示，我们在访问的时候，会根据时间进行排序，厉害吧。
get过程
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;
}
}- 首先，根据key获取value，根据结果修改对应的命中还是未命中
- 如果没有找到，就会调用create方法去创建一个value，当然，如果我们没有实现这个方法的话，默认返回null
- 如果实现了的话，会用put方法，把这个值丢进去，这个方法的返回结果，如果存在hash冲突(也就是已经有了同一hash值对应的value)，返回原有的value，并且撤销操作(通过将原值重新put进去)，不存在hash冲突，则调整我们当前已用size
- 存在hash冲突的情况下，entryRemoved去做一些操作，需要我们实现，不存在hash冲突，就调整size
put过程
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;
}
这个过程就简单点了
- 调整size
- put值进去，如果存在hash冲突，返回原有的值
- 如果previous，即原来有值，调整size
- 如果原来有值，则调用entryRemoved去做一些释放操作，需要我们实现
- 最后，调整size大小
调整size过程
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 toEvict = map.eldest();
if (toEvict == null) {
break;
}
key = toEvict.getKey();
value = toEvict.getValue();
map.remove(key);
size -= safeSizeOf(key, value);
evictionCount++;
}
entryRemoved(true, key, value, null);
}
}调整size的过程呢，就是不断重map中取出头，进行销毁释放(entryRemoved),直到容量小于我们的初始化时给定的值。
remove操作
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;
}- map中移除
- 销毁
总结
代码补偿，实现也简单清晰，但是却非常巧妙，有许多值得我们学习的地方。而那么多count，就是用来统计命中率啥的。
