一、Android中的緩存策略

一般來說，緩存策略主要包含緩存的添加、獲取和刪除這三類操作。如何添加和獲取緩存這個比較好理解，那麽為什麽還要刪除緩存呢？這是因為不管是內存緩存還是硬盤緩存，它們的緩存大小都是有限的。當緩存滿了之後，再想其添加緩存，這個時候就需要刪除一些舊的緩存並添加新的緩存。

因此LRU(Least Recently Used)緩存算法便應運而生，LRU是近期最少使用的算法，它的核心思想是當緩存滿時，會優先淘汰那些近期最少使用的緩存對象。采用LRU算法的緩存有兩種：LrhCache和DisLruCache，分別用於實現內存緩存和硬盤緩存，其核心思想都是LRU緩存算法。

二、LruCache的使用

LruCache是Android 3.1所提供的一個緩存類，所以在Android中可以直接使用LruCache實現內存緩存。而DisLruCache目前在Android 還不是Android SDK的一部分，但Android官方文檔推薦使用該算法來實現硬盤緩存。

1.LruCache的介紹

LruCache是個泛型類，主要算法原理是把最近使用的對象用強引用（即我們平常使用的對象引用方式）存儲在 LinkedHashMap 中。當緩存滿時，把最近最少使用的對象從內存中移除，並提供了get和put方法來完成緩存的獲取和添加操作。

2.LruCache的使用

LruCache的使用非常簡單，我們就已圖片緩存為例。

 int maxMemory = (int) (Runtime.getRuntime().totalMemory()/1024);
        int cacheSize = maxMemory/8;
        mMemoryCache = new LruCache<String,Bitmap>(cacheSize){
            @Override
            protected int sizeOf(String key, Bitmap value) {
                return value.getRowBytes()*value.getHeight()/1024;
            }
        };
 

①設置LruCache緩存的大小，一般為當前進程可用容量的1/8。 ②重寫sizeOf方法，計算出要緩存的每張圖片的大小。

**註意：**緩存的總容量和每個緩存對象的大小所用單位要一致。

三、LruCache的實現原理

LruCache的核心思想很好理解，就是要維護一個緩存對象列表，其中對象列表的排列方式是按照訪問順序實現的，即一直沒訪問的對象，將放在隊尾，即將被淘汰。而最近訪問的對象將放在隊頭，最後被淘汰。

如下圖所示：

那麽這個隊列到底是由誰來維護的，前面已經介紹了是由LinkedHashMap來維護。

而LinkedHashMap是由數組+雙向鏈表的數據結構來實現的。其中雙向鏈表的結構可以實現訪問順序和插入順序，使得LinkedHashMap中的<key,value>對按照一定順序排列起來。

通過下面構造函數來指定LinkedHashMap中雙向鏈表的結構是訪問順序還是插入順序。

public LinkedHashMap(int initialCapacity,
                         float loadFactor,
                         boolean accessOrder) {
        super(initialCapacity, loadFactor);
        this.accessOrder = accessOrder;
    }

其中accessOrder設置為true則為訪問順序，為false，則為插入順序。

以具體例子解釋： 當設置為true時

public static final void main(String[] args) {
        LinkedHashMap<Integer, Integer> 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<Integer, Integer> entry : map.entrySet()) {
            System.out.println(entry.getKey() + ":" + entry.getValue());

        }
    }

輸出結果：

0:0 3:3 4:4 5:5 6:6 1:1 2:2

即最近訪問的最後輸出，那麽這就正好滿足的LRU緩存算法的思想。可見LruCache巧妙實現，就是利用了LinkedHashMap的這種數據結構。

下面我們在LruCache源碼中具體看看，怎麽應用LinkedHashMap來實現緩存的添加，獲得和刪除的。

 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);
    }

從LruCache的構造函數中可以看到正是用了LinkedHashMap的訪問順序。

put()方法

public final V put(K key, V value) {
         //不可為空，否則拋出異常
        if (key == null || value == null) {
            throw new NullPointerException("key == null || value == null");
        }
        V previous;
        synchronized (this) {
            //插入的緩存對象值加1
            putCount++;
            //增加已有緩存的大小
            size += safeSizeOf(key, value);
           //向map中加入緩存對象
            previous = map.put(key, value);
            //如果已有緩存對象，則緩存大小恢復到之前
            if (previous != null) {
                size -= safeSizeOf(key, previous);
            }
        }
        //entryRemoved()是個空方法，可以自行實現
        if (previous != null) {
            entryRemoved(false, key, previous, value);
        }
        //調整緩存大小(關鍵方法)
        trimToSize(maxSize);
        return previous;
    }

可以看到put()方法並沒有什麽難點，重要的就是在添加過緩存對象後，調用 trimToSize()方法，來判斷緩存是否已滿，如果滿了就要刪除近期最少使用的算法。

trimToSize()方法

 public void trimToSize(int maxSize) {
        //死循環
        while (true) {
            K key;
            V value;
            synchronized (this) {
                //如果map為空並且緩存size不等於0或者緩存size小於0，拋出異常
                if (size < 0 || (map.isEmpty() && size != 0)) {
                    throw new IllegalStateException(getClass().getName()
                            + ".sizeOf() is reporting inconsistent results!");
                }
                //如果緩存大小size小於最大緩存，或者map為空，不需要再刪除緩存對象，跳出循環
                if (size <= maxSize || map.isEmpty()) {
                    break;
                }
                //叠代器獲取第一個對象，即隊尾的元素，近期最少訪問的元素
                Map.Entry<K, V> toEvict = map.entrySet().iterator().next();
                key = toEvict.getKey();
                value = toEvict.getValue();
                //刪除該對象，並更新緩存大小
                map.remove(key);
                size -= safeSizeOf(key, value);
                evictionCount++;
            }
            entryRemoved(true, key, value, null);
        }
    }

trimToSize()方法不斷地刪除LinkedHashMap中隊尾的元素，即近期最少訪問的，直到緩存大小小於最大值。

當調用LruCache的get()方法獲取集合中的緩存對象時，就代表訪問了一次該元素，將會更新隊列，保持整個隊列是按照訪問順序排序。這個更新過程就是在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為空拋出異常
        if (key == null) {
            throw new NullPointerException("key == null");
        }

        V mapValue;
        synchronized (this) {
            //獲取對應的緩存對象
            //get()方法會實現將訪問的元素更新到隊列頭部的功能
            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<K,V> e = (LinkedHashMapEntry<K,V>)getEntry(key);
        if (e == null)
            return null;
        //實現排序的關鍵方法
        e.recordAccess(this);
        return e.value;
    }

調用recordAccess()方法如下：

 void recordAccess(HashMap<K,V> m) {
            LinkedHashMap<K,V> lm = (LinkedHashMap<K,V>)m;
            //判斷是否是訪問排序
            if (lm.accessOrder) {
                lm.modCount++;
                //刪除此元素
                remove();
                //將此元素移動到隊列的頭部
                addBefore(lm.header);
            }
        }

由此可見LruCache中維護了一個集合LinkedHashMap，該LinkedHashMap是以訪問順序排序的。當調用put()方法時，就會在結合中添加元素，並調用trimToSize()判斷緩存是否已滿，如果滿了就用LinkedHashMap的叠代器刪除隊尾元素，即近期最少訪問的元素。當調用get()方法訪問緩存對象時，就會調用LinkedHashMap的get()方法獲得對應集合元素，同時會更新該元素到隊頭。

四、參考文章

　　https://github.com/LRH1993/android_interview/blob/master/android/basis/lrucache.md

Android面試收集錄10 LruCache原理解析