本篇内容介绍了“怎么使用Glide的LruCache”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
使用方法及结果
在项目中直接导入Glide的库,调用内部的LruCache来看看效果。
LruCache lruCache = new LruCache<String, Integer>(2); lruCache.put("1", 1); lruCache.put("2", 2); lruCache.put("1", 1); lruCache.put("3", 3); System.out.println(lruCache.get("1")); System.out.println(lruCache.get("2")); System.out.println(lruCache.get("3"));
简要说明代码内容,创建一个空间为2的存储空间(这里先不透漏内部结构),用put()方法对数据进行存储,再通过get()对每个数据进行一次获取操作,然后我们再来看看结果。
我的天!!2没了? 这是怎么一回事??为了知道答案,那我们只好进入Glide的库中看看原因了。
LruCache源码导读
先看看LruCache的变量家庭里有哪些小家伙把。
public class LruCache<T, Y> { // 容量为100的双向链表 private final Map<T, Y> cache = new LinkedHashMap<>(100, 0.75f, true); private final long initialMaxSize; // 初始化最大容量 private long maxSize; // 最大容量 private long currentSize; // 已存在容量 }
同样对于LruCache来说不也和HashMap一样只有三步骤要走嘛,那我就从这三个步骤入手探索一下LruCache好了,但是我们要带上一个问题出发,initialMaxSize的作用是什么?
new LruCache
public LruCache(long size) { this.initialMaxSize = size; this.maxSize = size; }
到这里想来读者都已经知道套路了,也就初始化了初始化最大容量和最大容量,那就直接下一步。
put(key, value)
public synchronized Y put(@NonNull T key, @Nullable Y item) { // 返回值就是一个1 final int itemSize = getSize(item); // 如果1大于等于最大值就无操作 // 也就说明整个初始化的时候并不能将size设置成1 if (itemSize >= maxSize) { //用于重写的保留方法 onItemEvicted(key, item); return null; } // 对当前存在数据容量加一 if (item != null) { currentSize += itemSize; } @Nullable final Y old = cache.put(key, item); if (old != null) { currentSize -= getSize(old); if (!old.equals(item)) { onItemEvicted(key, old); } } evict(); // 1 --> return old; } // 由注释1直接调用的方法 private void evict() { trimToSize(maxSize); // 2 --> } // 由注释2直接调用的方法 protected synchronized void trimToSize(long size) { Map.Entry<T, Y> last; Iterator<Map.Entry<T, Y>> cacheIterator; // 说明当前的容量大于了最大容量 // 需要对最后的数据进行一个清理 while (currentSize > size) { cacheIterator = cache.entrySet().iterator(); last = cacheIterator.next(); final Y toRemove = last.getValue(); currentSize -= getSize(toRemove); final T key = last.getKey(); cacheIterator.remove(); onItemEvicted(key, toRemove); } }
这是一个带锁机制的方法,通过对当前容量和最大容量的判断,来抉择是否需要把我们的数据进行一个删除。但是问题依旧存在,initialMaxSize的作用是什么?,我们能够知道的是maxSize是一个用于控制容量大小的值。
get()
public synchronized Y get(@NonNull T key) { return cache.get(key); }
那这就是调用了LinkedHashMap中的数据,但是终究还是没有说出initialMaxSize的作用。
关于initialMaxSize
这里就不买关子了,因为其实就我的视角来看这个initialMaxSize确实是没啥用处的。哈哈哈哈哈!!!但是,又一个地方用到了它。
public synchronized void setSizeMultiplier(float multiplier) { if (multiplier < 0) { throw new IllegalArgumentException("Multiplier must be >= 0"); } maxSize = Math.round(initialMaxSize * multiplier); evict(); }
也就是用于调控我们的最大容量大小,但是我觉得还是没啥用,可是是我太菜了吧,这个方法没有其他调用它的方法,是一个我们直接在使用过程中使用的,可能和数据多次使用的一个保存之类的问题相关联把,场景的话也就类似Glide的图片缓存加载把。也希望知道的读者能给我一个解答。
LinkedHashMap
因为操作方式和HashMap一致就不再复述,就看看他的节点长相。
static class LinkedHashMapEntry<K,V> extends HashMap.Node<K,V> { // 存在前后节点,也就是我们所说的双向链表 LinkedHashMapEntry<K,V> before, after; LinkedHashMapEntry(int hash, K key, V value, Node<K,V> next) { super(hash, key, value, next); } }
但是到这里,我又出现了一个问题,为什么我没有看到整个数据的移动?也就是最近使用的数据应该调换到最后开始的位置,他到底实在哪里进行处理的呢?做一个猜想好了,既然是使用了put()才会造成双向链表中数据的变换,那我们就应该是需要进入对LinkedHashMap.put()方法中进行查询。
当然有兴趣探索的读者们,我需要提一个醒,就是这次的调用不可以直接进行对put()进行查询,那样只会调用到一个接口函数,或者是抽象类函数,最适合的方法还是使用我们的断点来进行探索查询。
但是经过一段努力后,不断深度调用探索发现这样的问题,他最后会调用到这样的问题。
// Callbacks to allow LinkedHashMap post-actions void afterNodeAccess(Node<K,V> p) { } // 把数据移动到最后一位 void afterNodeInsertion(boolean evict) { } void afterNodeRemoval(Node<K,V> p) { }
这是之前我们在了解HashMap是并没有发现几个方法,上面也明确写着为LinkedHashMap保留。哇哦!!那我们的操作肯定实在这些里面了。
// --> HashMap源码第656行附近调用到下方方法 // 在putVal()方法内部存在这个出现 afterNodeAccess(e); // --> LinkedHashMap对其具体实现 // 就是将当前数据直接推到最后一个位置 // 也就是成为了最近刚使用过的数据 void afterNodeAccess(Node<K,V> e) { // move node to last LinkedHashMapEntry<K,V> last; if (accessOrder && (last = tail) != e) { LinkedHashMapEntry<K,V> p = (LinkedHashMapEntry<K,V>)e, b = p.before, a = p.after; p.after = null; if (b == null) head = a; else b.after = a; if (a != null) a.before = b; else last = b; if (last == null) head = p; else { p.before = last; last.after = p; } tail = p; ++modCount; } }
好了,自此我们也就清楚了整个链表的变换过程了。
实战:手撸LruCache
这是一个非常紧张刺激的环节了,撸代码前,我们来找找思路好了。
(1)存储容器用什么? 因为LinkedHashMap的思路太过冗长,我们用数组来重新完成整个代码的构建
(2)关键调用方法put()、get()以及put()涉及的已存在变量移位。
哇哦!看来要做的事情也并没有这么多,那我们就先来看看第一次构造出来的框架好了。
public class LruCache { private Object objects[]; private int maxSize; private int currentSize; public LruCache(int size){ objects = new Object[size]; maxSize = size; } public void put(Object item){ } public Object get(Object item){ return null; } public void move(int index){ } }
因为只要是数组变换就存在移位,所以移位操作是必不可少的。那我们现在的工作也就是把数据填好了,对应的移位是怎么样的操作的思路了。
public class LruCache { public Object objects[]; private int maxSize; public int currentSize; public LruCache(int size) { objects = new Object[size]; maxSize = size; } public void put(Object item) { // 容量未满时分成两种情况 // 1。 容器内存在 // 2。 容器内不存在 int index = search(item); if (index == -1) { if (currentSize < maxSize) { //容器未满,直接插入 objects[currentSize] = item; currentSize++; } else { // 容器已满,删去头部插入 move(0); objects[currentSize - 1] = item; } }else { move(index); } } public Object get(Object item) { int index = search(item); return index == -1 ? null : objects[index]; } public void move(int index) { Object temp = objects[index]; // 将后续数组移位 for (int i = index; i < currentSize - 1; i++) { objects[i] = objects[i + 1]; } objects[currentSize - 1] = temp; } private int search(Object item) { for (int i = 0; i < currentSize; i++) { if (item.equals(objects[i])) return i; } return -1; }
因为已经真的写的比较详细了,也没什么难度的撸了我的20分钟,希望读者们能够快入入门,下面给出我的一份测试样例,结束这个话题。
“怎么使用Glide的LruCache”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站,小编将为大家输出更多高质量的实用文章!