詳解Android的內存優化--LruCache

概念：

LruCache

什麼是LruCache？

LruCache實現原理是什麼？

這兩個問題其實可以作為一個問題來回答，知道了什麼是 LruCache，就只然而然的知道 LruCache 的實現原理；Lru的全稱是Least Recently Used ，近期最少使用的！所以我們可以推斷出 LruCache 的實現原理：把近期最少使用的數據從緩存中移除，保留使用最頻繁的數據，那具體代碼要怎麼實現呢，我們進入到源碼中看看。

LruCache源碼分析

public class LruCache<K, V> {
 //緩存 map 集合，為什麼要用LinkedHashMap
 //因為沒錯取了緩存值之後，都要進行排序，以確保
 //下次移除的是最少使用的值
 private final LinkedHashMap<K, V> map;
 //當前緩存的值
 private int size;
 //最大值
 private int maxSize;
 //添加到緩存中的個數
 private int putCount;
 //創建的個數
 private int createCount;
 //被移除的個數
 private int evictionCount;
 //命中個數
 private int hitCount;
 //丟失個數
 private int missCount;
 //實例化 Lru，需要傳入緩存的最大值
 //這個最大值可以是個數，比如對象的個數，也可以是內存的大小
 //比如，最大內存只能緩存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);
 }
 //重置最大緩存的值
 public void resize(int maxSize) {
  if (maxSize <= 0) {
   throw new IllegalArgumentException("maxSize <= 0");
  }
  synchronized (this) {
   this.maxSize = maxSize;
  }
  trimToSize(maxSize);
 }
 //通過 key 獲取緩存值
 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++;
  }
  //如果沒有，用戶可以去創建
  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 {
    //緩存的大小改變
    size += safeSizeOf(key, createdValue);
   }
  }
  //這裡沒有移除，只是改變了位置
  if (mapValue != null) {
   entryRemoved(false, key, createdValue, mapValue);
   return mapValue;
  } else {
   //判斷緩存是否越界
   trimToSize(maxSize);
   return createdValue;
  }
 }
 //添加緩存，跟上面這個方法的 create 之後的代碼一樣的
 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;
 }
 //檢測緩存是否越界
 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!");
    }
    //如果沒有，則返回
    if (size <= maxSize) {
     break;
    }
    //以下代碼表示已經超出了最大范圍
    Map.Entry<K, V> toEvict = null;
    for (Map.Entry<K, V> entry : map.entrySet()) {
     toEvict = entry;
    }
    if (toEvict == null) {
     break;
    }
    //移除最後一個，也就是最少使用的緩存
    key = toEvict.getKey();
    value = toEvict.getValue();
    map.remove(key);
    size -= safeSizeOf(key, value);
    evictionCount++;
   }
   entryRemoved(true, key, value, null);
  }
 }
 //手動移除，用戶調用
 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;
 }
 //這裡用戶可以重寫它，實現數據和內存回收操作
 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;
 }
  //這個方法要特別注意，跟我們實例化 LruCache 的 maxSize 要呼應，怎麼做到呼應呢，比如 maxSize 的大小為緩存的個數，這裡就是 return 1就 ok，如果是內存的大小，如果5M，這個就不能是個數 了，這是應該是每個緩存 value 的 size 大小，如果是 Bitmap，這應該是 bitmap.getByteCount();
 protected int sizeOf(K key, V value) {
  return 1;
 }
 //清空緩存
 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

先來看兩張內存使用的圖

圖-1

圖-2

以上內存分析圖所分析的是同一個應用的數據，唯一不同的是圖-1沒有使用 LruCache，而圖-2使用了 LruCache；可以非常明顯的看到，圖-1的內存使用明顯偏大，基本上都是在30M左右，而圖-2的內存使用情況基本上在20M左右。這就足足省了將近10M的內存！

ok，下面把實現代碼貼出來

/**
 * 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 ;
  /*實例化LruCache*/
  mLruCache = new LruCache<String,Bitmap>(mTotalSize/5){
   /*當緩存大於我們設定的最大值時，會調用這個方法，我們可以用來做內存釋放操作*/
   @Override
   protected void entryRemoved(boolean evicted, String key, Bitmap oldValue, Bitmap newValue) {
    super.entryRemoved(evicted, key, oldValue, newValue);
    if (evicted && oldValue != null){
     oldValue.recycle();
    }
   }
   /*創建 bitmap*/
   @Override
   protected Bitmap create(String key) {
    final int resId = mViewPager.getResources().getIdentifier(key,"drawable",
      mViewPager.getContext().getPackageName()) ;
    return BitmapFactory.decodeResource(mViewPager.getResources(),resId) ;
   }
   /*獲取每個 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;
 }
}　

總結

• LruCache 是基於 Lru算法實現的一種緩存機制；
• Lru算法的原理是把近期最少使用的數據給移除掉，當然前提是當前數據的量大於設定的最大值。
• LruCache 沒有真正的釋放內存，只是從 Map中移除掉數據，真正釋放內存還是要用戶手動釋放。

以上就是本文的全部內容，希望本文的內容對大家的學習或者工作能帶來一定的幫助，同時也希望多多支持本站！