当前位置: 首页 > news >正文

Android lrucache 实现与使用(Android内存优化)

什么是LruCache? 

LruCache实现原理是什么?

这两个问题其实可以作为一个问题来回答,知道了什么是 LruCache,就只然而然的知道 LruCache 的实现原理;Lru的全称是Least Recently Used ,近期最少使用的!所以我们可以推断出 LruCache 的实现原理:把近期最少使用的数据从缓存中移除,保留使用最频繁的数据,那具体代码要怎么实现呢,我们进入到源码中看看。

LruCache源码分析


public class LruCache<K, V> {
    //缓存 map 集合,为什么要用LinkedHashMap
    //因为没错取了缓存值之后,都要进行排序,以确保
    //下次移除的是最少使用的值 private final LinkedHashMap<K, V> map; //当前缓存的值 private int size; //最大值 private int maxSize; //添加到缓存中的个数 private int putCount; //创建的个数 private int createCount; //被移除的个数 private int evictionCount; //命中个数 private int hitCount; //丢失个数 private int missCount; //实例化 Lru,需要传入缓存的最大值 //这个最大值可以是个数,比如对象的个数,也可以是内存的大小 //比如,最大内存只能缓存5兆 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); } //重置最大缓存的值 public void resize(int maxSize) { if (maxSize <= 0) { throw new IllegalArgumentException("maxSize <= 0"); } synchronized (this) { this.maxSize = maxSize; } trimToSize(maxSize); } //通过 key 获取缓存值 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++; } //如果没有,用户可以去创建 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 { //缓存的大小改变 size += safeSizeOf(key, createdValue); } } //这里没有移除,只是改变了位置 if (mapValue != null) { entryRemoved(false, key, createdValue, mapValue); return mapValue; } else { //判断缓存是否越界 trimToSize(maxSize); return createdValue; } } //添加缓存,跟上面这个方法的 create 之后的代码一样的 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; } //检测缓存是否越界 private 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!"); } //如果没有,则返回 if (size <= maxSize) { break; } //以下代码表示已经超出了最大范围 Map.Entry<K, V> toEvict = null; for (Map.Entry<K, V> entry : map.entrySet()) { toEvict = entry; } if (toEvict == null) { break; } //移除最后一个,也就是最少使用的缓存 key = toEvict.getKey(); value = toEvict.getValue(); map.remove(key); size -= safeSizeOf(key, value); evictionCount++; } entryRemoved(true, key, value, null); } } //手动移除,用户调用 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; } //这里用户可以重写它,实现数据和内存回收操作 protected void entryRemoved(boolean evicted, K key, V oldValue, V newValue) {} protected V create(K key) { return null; } private int safeSizeOf(K key, V value) { int result = sizeOf(key, value); if (result < 0) { throw new IllegalStateException("Negative size: " + key + "=" + value); } return result; } //这个方法要特别注意,跟我们实例化 LruCache 的 maxSize 要呼应,怎么做到呼应呢,比如 maxSize 的大小为缓存的个数,这里就是 return 1就 ok,如果是内存的大小,如果5M,这个就不能是个数 了,这是应该是每个缓存 value 的 size 大小,如果是 Bitmap,这应该是 bitmap.getByteCount(); protected int sizeOf(K key, V value) { return 1; } //清空缓存 public final void evictAll() { trimToSize(-1); // -1 will evict 0-sized elements } public synchronized final int size() { return size; } public synchronized final int maxSize() { return maxSize; } public synchronized final int hitCount() { return hitCount; } public synchronized final int missCount() { return missCount; } public synchronized final int createCount() { return createCount; } public synchronized final int putCount() { return putCount; } public synchronized final int evictionCount() { return evictionCount; } public synchronized final Map<K, V> snapshot() { return new LinkedHashMap<K, V>(map); } } 

LruCache 使用

先来看两张内存使用的图

这里写图片描述

                             图-1

这里写图片描述

                            图-2

以上内存分析图所分析的是同一个应用的数据,唯一不同的是图-1没有使用 LruCache,而图-2使用了 LruCache;可以非常明显的看到,图-1的内存使用明显偏大,基本上都是在30M左右,而图-2的内存使用情况基本上在20M左右。这就足足省了将近10M的内存!

ok,下面把实现代码贴出来

/**
 * Created by gyzhong on 15/4/5.
 */
public class LruPageAdapter extends PagerAdapter { private List<String> mData ; private LruCache<String,Bitmap> mLruCache ; private int mTotalSize = (int) Runtime.getRuntime().totalMemory(); private ViewPager mViewPager ; public LruPageAdapter(ViewPager viewPager ,List<String> data){ mData = data ; mViewPager = viewPager ; /*实例化LruCache*/ mLruCache = new LruCache<String,Bitmap>(mTotalSize/5){ /*当缓存大于我们设定的最大值时,会调用这个方法,我们可以用来做内存释放操作*/ @Override protected void entryRemoved(boolean evicted, String key, Bitmap oldValue, Bitmap newValue) { super.entryRemoved(evicted, key, oldValue, newValue); if (evicted && oldValue != null){ oldValue.recycle(); } } /*创建 bitmap*/ @Override protected Bitmap create(String key) { final int resId = mViewPager.getResources().getIdentifier(key,"drawable", mViewPager.getContext().getPackageName()) ; return BitmapFactory.decodeResource(mViewPager.getResources(),resId) ; } /*获取每个 value 的大小*/ @Override protected int sizeOf(String key, Bitmap value) { return value.getByteCount(); } } ; } @Override public Object instantiateItem(ViewGroup container, int position) { View view = LayoutInflater.from(container.getContext()).inflate(R.layout.view_pager_item, null) ; ImageView imageView = (ImageView) view.findViewById(R.id.id_view_pager_item); Bitmap bitmap = mLruCache.get(mData.get(position)); imageView.setImageBitmap(bitmap); container.addView(view); return view; } @Override public void destroyItem(ViewGroup container, int position, Object object) { container.removeView((View) object); } @Override public int getCount() { return mData.size(); } @Override public boolean isViewFromObject(View view, Object object) { return view == object; } }

总结

1、LruCache 是基于 Lru算法实现的一种缓存机制; 
2、Lru算法的原理是把近期最少使用的数据给移除掉,当然前提是当前数据的量大于设定的最大值。 
3、LruCache 没有真正的释放内存,只是从 Map中移除掉数据,真正释放内存还是要用户手动释放。

 

相关文章:

  • 趣谈网络协议:像小说一样的网络协议入门课
  • 5.16 Stacks and Queues
  • iBatis和MyBatis在使用ResultMap对应关系时的区别
  • Java 架构师眼中的 HTTP 协议
  • Java多线程干货系列—(四)volatile关键字
  • first
  • Linux Swap扩容
  • 函数的默认参数:可有可无
  • os模块注意事项
  • 腾讯云全面开放,联手千万开发者共建超级大脑
  • 【51Nod】1920 空间统计学 状压DP
  • vue-router原理剖析
  • js继承方式讲解
  • BZOJ5286:[HNOI/AHOI2018]转盘——题解
  • maven 下载地址
  • 【个人向】《HTTP图解》阅后小结
  • Android开发 - 掌握ConstraintLayout(四)创建基本约束
  • Angular js 常用指令ng-if、ng-class、ng-option、ng-value、ng-click是如何使用的?
  • C++回声服务器_9-epoll边缘触发模式版本服务器
  • CSS实用技巧
  • emacs初体验
  • express + mock 让前后台并行开发
  • Java新版本的开发已正式进入轨道,版本号18.3
  • js ES6 求数组的交集,并集,还有差集
  • JSDuck 与 AngularJS 融合技巧
  • uva 10370 Above Average
  • vue--为什么data属性必须是一个函数
  • 初探 Vue 生命周期和钩子函数
  • 创建一种深思熟虑的文化
  • 前嗅ForeSpider教程:创建模板
  • 深度学习在携程攻略社区的应用
  • 树莓派 - 使用须知
  • 小程序、APP Store 需要的 SSL 证书是个什么东西?
  • 写给高年级小学生看的《Bash 指南》
  •  一套莫尔斯电报听写、翻译系统
  • 异步
  • 用Canvas画一棵二叉树
  • 阿里云服务器购买完整流程
  • 交换综合实验一
  • ​决定德拉瓦州地区版图的关键历史事件
  • ### Cause: com.mysql.jdbc.exceptions.jdbc4.MySQLTr
  • #LLM入门|Prompt#2.3_对查询任务进行分类|意图分析_Classification
  • #QT(一种朴素的计算器实现方法)
  • #ubuntu# #git# repository git config --global --add safe.directory
  • (1)(1.11) SiK Radio v2(一)
  • (九十四)函数和二维数组
  • (离散数学)逻辑连接词
  • (排序详解之 堆排序)
  • (七)Knockout 创建自定义绑定
  • (入门自用)--C++--抽象类--多态原理--虚表--1020
  • (轉貼) 蒼井そら挑戰筋肉擂台 (Misc)
  • .java 9 找不到符号_java找不到符号
  • .L0CK3D来袭:如何保护您的数据免受致命攻击
  • .NET Core、DNX、DNU、DNVM、MVC6学习资料
  • .NET Core跨平台微服务学习资源