Android提供的 LruCache 的分析
前言
在日常的开发当中，我们主要的工作就是把用户想要看的信息通过界面展示出来，难免就要和数据打交道，对于一些用户关心的数据，我们肯定是要每次都要从网络拿最新的数据展示。
但是对于一些图片数据，如果我们每次都从网络读取图片未免就有点浪费资源了，不仅会浪费用户的流量，也会影响我们 App 的性能，所以通常的做法就是对图片做缓存处理。
相信大家都听过图片的三级缓存，下面先讲下什么是三级缓存？
什么是三级缓存
三级缓存主要由三部分构成：
- 内存
- 硬盘
- 网络
我们知道，在内存中对数据处理的速度是最快的，硬盘次之，而网络上读取数据，显示的时候，也要加载到内存中然后进行展示。
所以，我们完全可以将部分用户关心的，最经常使用的图片保存在内存和硬盘中，当下次展示的时候快速的进行展示，并且不用浪费用户流量。
比如我们要加载一个图片，地址是 url，如果实现了三级缓存，那么我们在要显示图片的时候，进行以下步骤：
上图中就展示了一个完整的实现了三级缓存的图片加载的流程，仔细分析下流程图，相信你已经知道什么是三级缓存是什么了
缓存的核心 LRU 算法
我们知道，内存和硬盘空间是有限的，我们在实现内存缓存和硬盘缓存的时候，不可以无休止的往缓存中添加数据，必然是要设置和合适的空间去缓存数据，当我们设置的空间满的时候，我们需要移除一部分数据，然后添加新的数据进入缓存。
这就遇到了一个问题：空间满的时候，先移除哪些数据呢？
肯定是先移除用户最不经常使用的数据，把用户经常使用的数据留在缓存中，保证用户可以快速的访问到数据，这就使用到了 LRU 算法
LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高，如果数据最近没被，那么未来被访问的几率就比较低，优先删除”。
接下来我们看下 Lru 算法在 Android 中的应用 LruCache 是怎么实现的（DiskLruCache 原理类似，本文不在将）
LruCache
内存缓存可以使用 Android 3.1 以后提供的一个缓存类：LruCache，这个类实现了 LRU 算法。
官方描述
A cache that holds strong references to a limited number of values. Each time a value is accessed, it is moved to the head of a queue. When a value is added to a full cache, the value at the end of that queue is evicted and may become eligible for garbage collection.
If your cached values hold resources that need to be explicitly released, override entryRemoved(boolean, K, V, V).
If a cache miss should be computed on demand for the corresponding keys, override create(K). This simplifies the calling code, allowing it to assume a value will always be returned, even when there's a cache miss.
LruCache 是存储了有限数量的强引用的缓存，每次访问一个值的时候，会将其移动到队列的头部，当一个值添加到已经满的队列的时候，会将队列尾部的元素移除掉，让 GC 回收掉。
如果缓存的值明确的要知道已经释放，需要重写 entryRemoved(boolean, K, V, V) 方法，做一些自己的处理
如果缓存用没有找到一个对应的值，可以通过 create（K），简化了调用代码，允许即使是没有找到对应值的情况下能够返回一个值。
看下成员变量和构造方法
public class LruCache<K, V> {
// LruCache 的核心 LinkedHashMap
private final LinkedHashMap<K, V> map;
// 当前缓存大小
private int size;
// 最大缓存大小
private int maxSize;
// 插入次数
private int putCount;
// 创建次数,只有重写 create(K) 方法的时候会改变
private int createCount;
// 移除数据次数,缓存满的时候,插入新数据的时候,移除旧数据的时候,会改变这个值.
private int evictionCount;
// 命中次数,也就是 get 查找到元素的次数
private int hitCount;
// 未命中次数,也就是 get 没查找到元素的次数
private int missCount;
/**
* @param maxSize 如果没有重写 sizeOf 方法,maxSize 就是缓存中元素的最大个数
* 如果重写了 sizeOf 方法,则 maxSize 就是所有缓存元素大小(也就是每个元素乘以自身大小的总和)
*/
public LruCache(int maxSize) {
if (maxSize <= 0) {
throw new IllegalArgumentException("maxSize <= 0");
}
this.maxSize = maxSize;
// 创建了一个默认容量 默认负载因子 ,允许访问排序的 LinkedHashMap.
this.map = new LinkedHashMap<K, V>(0, 0.75f, true);
}
}
上面的最主要的就是设置的 maxSize 以及内部的定义的允许访问排序的 LinkedHashMap。
maxSize 在重写了 sizeOf 方法的情况下，代表的就是我们每个元素乘以自身大小之后累加的允许的最大值。
LinkedHashMap的对象 map 则是实现 LruCache 的核心，前面在 LinkedHashMap 源码分析 中已经讲了，如果在创建 LinkedHashMap 的时候，指定了 accessOrder 为 true 的话，那么就会在访问 LinkedHashMap 的过程中，会对内部的元素重新排序，这里就是实现 LruCache 的关键部分。
虽然我们设置了 accessOrder 为 true 实现了访问时的元素排序，但是还远远不够，因为 LruCache 会在一定时候移除最久未访问的元素，那达到什么程度移除？怎么移除？
答案是在 LruCache 中去实现的，下面就按传统的方式来了解 LruCache 的增删改查的相关操作，通过一个完整的流程分析，基本能了解整个 LruCache 的实现。
常用方法分析
使用缓存，肯定要先把数据添加到缓存中，我们才能访问，在 LruCache 中添加缓存的操作是 put 方法：
put() 添加缓存
public final V put(K key, V value) {
// 键值对不可为空
if (key == null || value == null) {
throw new NullPointerException("key == null || value == null");
}
// 旧值
V previous;
// 同步代码块,使用 this 也就是说同时只能由一个线程操作这个对象
synchronized (this) {
putCount++;
// 先通过safeSizeOf方法计算当前传入的 value 的大小,累加的 size
size += safeSizeOf(key, value);
// 把键值对插入到 LinkedHashMap 中,如果有返回值,说明存在相同的 key,取出旧值给 previous
previous = map.put(key, value);
// 如果存在旧值,则从当前大小中删除旧值占用的大小.
if (previous != null) {
size -= safeSizeOf(key, previous);
}
}
// 如果 存在旧值,相当于把旧值移除了,这里调用 entryRemoved 方法.
// entryRemoved 默认是空实现,如果用户有需求,可以自己实现,完成一些资源的释放工作.
if (previous != null) {
entryRemoved(false, key, previous, value);
}
// 这个是最关键的方法,用来计算当前大小是否符合要求.
trimToSize(maxSize);
// 返回旧值
return previous;
}
在 put 方法里面我们看到了，使用 LruCache 缓存是不允许键值对为空的，并且在执行插入操作的时候，使用了 Synchronized 关键字对代码进行线程同步，保证了插入操作的线程安全。
然后计算了当前插入值的大小，累加到 size 上，执行完插入操作以后，如果之前存在相同的 key 值，则把之前元素的大小从 size 上面给移除掉。如果没有存在，就什么也不做。
如果用户重写了 entryRemoved 操作，也会回调 entryRemoved方法，让用户执行一些资源释放等工作。
最后调用了trimToSize(maxSize) 方法，这个方法是个核心方法，主要计算当前大小是否超过了设置的最大值，超过了则会将最近最少使用的元素移除。
trimToSize() 控制缓存的容量
在 LruCache 里面，控制缓存容量不超过我们设置的最大值的关键点就是这个 trimToSize() 方法：
public void trimToSize(int maxSize) {
while (true) {
K key;
V value;
// 同样是线程同步的.
synchronized (this) {
if (size < 0 || (map.isEmpty() && size != 0)) {
throw new IllegalStateException(getClass().getName()
+ ".sizeOf() is reporting inconsistent results!");
}
// 如果当前大小小于设定的最大值大小,直接跳出循环.
if (size <= maxSize || map.isEmpty()) {
break;
}
// 使用 map.entrySet() 代表从 LinkedHashMap 的头结点开始遍历,在
// 上篇文章里面看了源码,可以参考下面的链接
// 从头开始遍历,那只取一次,toEvict 就是头节点的元素
Map.Entry<K, V> toEvict = map.entrySet().iterator().next();
// 要删除元素的 key
key = toEvict.getKey();
// 要删除元素的 value
value = toEvict.getValue();
// 使用 LinkedHashMap 的 remove 方法删除指定元素
map.remove(key);
// 重新计算当前 size 的大小
size -= safeSizeOf(key, value);
// 移除次数+1
evictionCount++;
}
// 调用用户自定义的 entryRemoved() 如果用户定义了的话
entryRemoved(true, key, value, null);
}
}
首先开启了一个无限循环，在循环里面的同步代码块里面会判断当前的容量 size 是否超过最大容量 maxSize。
如果没超过，结束循环。 如果超过，就会遍历内部的 LinkedHashMap 对象 map，这里使用的是 map.entrySet()，在上一篇LinkedHashMap 源码分析 里面我们对 LinkedHashMap 的遍历做了简单的介绍，map.entrySet() 最终是调用 LinkedHashIterator 里面的 nextNode 拿到节点，然后在 LinkedEntryIterator 里面从节点里面 通过 nextNode() 拿到 entry 的值。
上篇源码里面讲了，在 LinkedHashIterator 的构造方法里面是从头节点开始取值的，所以这里的调用的 next 方法拿的就是头节点。
所以在 trimToSize 方法里面主要做的事情就是:如果容量没超过最大值，返回，如果超过最大值，就依次移除头节点元素，一直到容量满足设定的最大值。
remove() 删除缓存
public final V remove(K key) {
// 不允许 null 值
if (key == null) {
throw new NullPointerException("key == null");
}
// 删除的元素
V previous;
// 同步代码块保证线程安全
synchronized (this) {
// 删除元素，并把值赋给 previous
previous = map.remove(key);
//如果之前有 key 对应的值，将其减去
if (previous != null) {
size -= safeSizeOf(key, previous);
}
}
// 如果用户重写了entryRemoved 并且 之前有与 key 对应的值，执行entryRemoved。
if (previous != null) {
entryRemoved(false, key, previous, null);
}
return previous;
}
这里也很简单，住要是通过内部的 LinkedHashMap 移除元素，然后再把原来缓存中的对应的值删掉。
get() 获取缓存
public final V get(K key) {
// 不允许 null key
if (key == null) {
throw new NullPointerException("key == null");
}
// value 的值
V mapValue;
// 同步代码块保证当前实例的线程安全
synchronized (this) {
// 通过 LinkedHashMap 的 get 方法去寻找
mapValue = map.get(key);
// 找到只，直接返回，命中值 +1
if (mapValue != null) {
hitCount++;
return mapValue;
}
// 没找到，未命中次数+1
missCount++;
}
// 这个地方意识，没有通过 get 方法找到，但是你想要有返回值，那么久可以重写 create 方法自己创建一个 返回值、。
V createdValue = create(key);
// 创建的值为 null ，直接返回 null
if (createdValue == null) {
return null;
}
synchronized (this) {
createCount++;
//将createdValue加入到map中，并且将原来键为key的对象保存到mapValue
mapValue = map.put(key, createdValue);
// 原来位置不为空，
if (mapValue != null) {
// There was a conflict so undo that last put
// 撤销上一步的操作，依旧把原来的值放到缓存。，替换掉新创建的值
map.put(key, mapValue);
} else {
// 原来key 对应的没值，计算当前缓存大小。
size += safeSizeOf(key, createdValue);
}
}
// 相当于一个替换操作，先用 createdValue 替换原来的值，然后这里移除掉 createdValue 。返回原来 key 对应的值。
if (mapValue != null) {
entryRemoved(false, key, createdValue, mapValue);
return mapValue;
} else {
// 调用trimToSize方法看是否需要回收旧数据
trimToSize(maxSize);
return createdValue;
}
}
get方法前半部分是，从 map 里面取值，如果取到就返回。
如果没取到，并且重写了 create(K) 方法，就会先把 create(K) 方法创建的 value 保存到缓存，如果新创建的 value 保存的位置原来有值，就会替换回来。并且执行 entryRemoved 方法给调用者回调。
前面也讲了，LruCache 会根据元素的访问顺序进行排序。其实这里内部调用 LinkedHashMap 的 get 或者 put 方法的时候会调用到 afterNodeAccess 方法， 在 LinkedHashMap 的 afterNodeAccess 方法中对内部元素排序，这在上一篇 LinkedHashMap 中有讲到。
evictAll清除全部缓存数据
public final void evictAll() {
trimToSize(-1); // -1 will evict 0-sized elements
}
这里还是调用的 trimToSize 方法，传入的 -1，前面分析过，trimToSize 方法内部有一个循环，会在执行了
if (size <= maxSize || map.isEmpty()) {
break;
}
以后，才会终止循环，这里传入 -1，也就是当 map.isEmpty() 的时候，终止循环，也就把缓存清空了。
最后
通过对前面文章的阅读，相信你对 Android 提供给我们的 LruCache 有了清除的认识。
概括来说就是： LruCache 中维护了一个 LinkedHashMap，该 LinkedHashMap 创建的时候，设置了 accessOrder 为 true，其内部元素不是已插入顺序排序，而是以访问顺序排序的。当调用put()方法获取数据的时候，会在内部的 map 中添加元素，并调用 trimToSize() 判断缓存是否已满，如果满了就删除 LinkedHashMap 中位于头节点的元素，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，进而调用 LinkedHashMap 内部实现的 afterNodeAccess 方法将元素移动到尾节点。
事实上，LRU 算法是一种算法，具体的实现还是要看个人，只不过这里 Google 为我们提供了实现好的 LruCache，我们也是可以自己实现一个类似的 LruCache 的。
最重要的还是要懂思想啊。
