首页 > 系统 > Android > 正文

详解Android的内存优化--LruCache

2019-12-12 04:13:12
字体:
来源:转载
供稿:网友

概念:

LruCache

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

图-1

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

  • LruCache 是基于 Lru算法实现的一种缓存机制;
  • 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。
  • 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。

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,同时也希望多多支持武林网!

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表