Android缓存浅析
By吴思博
1、引言
2、常见的几种缓存算法
3、Android缓存的机制
4、LruCache的使用（内存缓存）
5、云阅读书籍解析缓存实现（内存缓存实例，可跳过本节）
6、DiskLruCache的使用（磁盘缓存)
1、引言
我们都听过缓存，当问你什么是缓存的时候，相信你能马上给出一个完美的答案。 可是当问你缓存是怎么构建的，或者有一些怎样缓存算法和框架？android中的缓存机制 ？，你可能会心神恍惚。
2、Android缓存的机制
最近在开发书籍解析章节中遇到了一些问题，经过调试发现一部分是缓存的问题。云阅读老版本中，解析书籍正文后缓存使用的是SoftReference，很容易被回收。Android中的缓存分为内存缓存和文件缓存（磁盘缓存）。在早期常用的内存缓存方式是软引用（SoftReference）和弱引用（WeakReference），如大部分的使用方式：HashMap> imageCache;这种形式。从Android 2.3（Level 9）开始，垃圾回收器更倾向于回收SoftReference或WeakReference对象，这使得SoftReference和WeakReference变得不是那么实用有效。（到了Android 3.0（Level 11）之后，图片数据Bitmap被放置到了内存的堆区域，而堆区域的内存是由GC管理的，开发者不需要进行图片资源的释放工作，但这也使得图片数据的释放无法预知，增加了造成OOM的可能）。在Android3.1以后，Android推出了LruCache这个内存缓存类，LruCache中的对象是强引用的。
3、常见的几种缓存算法：
缓存算法有很多种，但是那种适合我们呢，下面来看看几种常见的缓存算法。
3.1：FIFO（先进先出）
先进先出，原则简单、且符合人们的惯性思维，具备公平性，并且实现起来简单，直接使用数据结构中的队列即可实现。如果一个数据最先进入缓存中，则应该最早淘汰掉。也就是说，当缓存满的时候，应当把最先进入缓存的数据给淘汰掉。实现方式：双向链表(LinkedList)保存数据，当来了新的数据之后便添加到链表末尾，如果Cache存满数据，则把链表头部数据删除，然后把新的数据添加到链表末尾。在访问数据的时候，如果在Cache中存在该数据的话，则返回对应的value值；否则返回-1。
3.2：LRU（最少使用缓存算法）
把最近最少使用的缓存对象给淘汰。LRU总是需要去了解在什么时候，用了哪个缓存对象。浏览器就是使用了LRU作为缓存算法。新的对象会被放在缓存的顶部，当缓存达到了容量极限，会把底部的对象淘汰。实现思路：把最新被访问的缓存对象，放到缓存池的顶部。当缓存达到了容量极限，会把底部的对象淘汰。所以，经常被读取的缓存对象就会一直呆在缓存池中。实现方式：使用array或者是linked list。LRU2和2Q，他们就是为了完善LRU而存在的。
Android 推荐：LruCache是Android 3.1所提供的一个缓存类，所以在Android中可以直接使用LruCache实现内存缓存。而DisLruCache目前在Android 还不是Android SDK的一部分，但Android官方文档推荐使用该算法来实现硬盘缓存。
3.3：LFU（最近使用频率最少算法）
最近使用频率最少算法；注意LFU和LRU算法的不同之处，LRU的淘汰规则是基于访问时间，而LFU是基于访问次数的。思想：当缓存满的时候，应当把访问频次最少的数据给淘汰掉。实现：利用一个数组存储数据项，用HashMap存储每个数据项在数组中对应的位置，然后为每个数据项设计一个访问频次，当数据项被命中时，访问频次自增，在淘汰的时候淘汰访问频次最少的数据。在插入数据(插到数组的尾端)和访问数据(数组随机访问)的时候都能达到O(1)的时间复杂度；淘汰数据的时候，通过选择算法得到应该淘汰的数据项在数组中的索引，并将该索引位置的内容替换为新来的数据内容即可，这样的话，淘汰数据的操作时间复杂度为O(n)。
下面几种算法都是上面的变种（可跳过）：
3.4 LRU2（Least Recently Used 2）：
Least Recently Used 2，又叫最近最少使用twice。LRU2把被两次访问过的对象放入缓存池，当缓存池满了之后，把有两次最少使用的缓存对象淘汰。因为需要跟踪对象2次，访问负载就会随着缓存池的增加而增加。如果把LRU2用在大容量的缓存池中，就会有问题。另外，LRU2还需要跟踪不在缓存的对象，因为他们还没有被第二次读取。LRU2比LRU好，且是adoptive to access模式。
3.5 2Q（Two Queues）：
2Q把被访问的数据放到LRU的缓存中，如果这个对象再一次被访问，2Q就把他转移到第二个、更大的LRU缓存。2Q淘汰缓存对象是为了保持第一个缓存池是第二个缓存池的1/3。当缓存的访问负载是固定的时候，把LRU换成LRU2，就比增加缓存的容量更好。这种机制使得2Q比LRU2更好，2Q也是LRU家族中的一员，而且是adoptive to access模式。
3.6 ARC（Adaptive Replacement Cache）：
ARC是介于LRU和LFU之间，为了提高效果，由2个LRU组成。第一个（L1）包含的条目是最近只被使用过一次的，而第二个LRU（L2）包含的是最近被使用过两次的条目。（因此，L1放的是新的对象，而L2放的是常用的对象。）所以，才会认为ARC是介于LRU和LFU之间的。
ARC被认为是性能最好的缓存算法之一，能够自调，并且是低负载的。保存着历史对象，这样就可以记住那些被移除的对象。
….. …..
4、LruCache的使用
LruCache是Android 3.1所提供的一个缓存类，所以在Android中可以直接使用LruCache实现内存缓存。而DisLruCache目前在Android还不是Android SDK的一部分，但Android官方文档推荐使用该算法来实现硬盘缓存。
LruCache的使用很简单：
或者：
①设置LruCache缓存的大小，一般为当前进程可用容量的1/8。
②重写sizeOf方法，计算出要缓存的每张图片的大小。
注意：缓存的总容量和每个缓存对象的大小所用单位要一致。
通过下面构造函数来指定LinkedHashMap中双向链表的结构是访问顺序还是插入顺序。
其中accessOrder设置为true则为访问顺序，为false，则为插入顺序。
当设置为true时
输出结果：
0:0 3:3 4:4 5:5 6:6 1:1 2:2
即最近访问的最后输出，那么这就正好满足的LRU缓存算法的思想。可见LruCache巧妙实现，就是利用了LinkedHashMap的这种数据结构。
下面我们在LruCache源码中具体看看，怎么应用LinkedHashMap来实现缓存的添加，获得和删除的。
从LruCache的构造函数中可以看到正是用了LinkedHashMap的访问顺序。
put()方法
可以看到put()方法并没有什么难点，重要的就是在添加过缓存对象后，调用trimToSize()方法，来判断缓存是否已满，如果满了就要删除近期最少使用的算法。
trimToSize()方法
trimToSize()方法不断地删除LinkedHashMap中队尾的元素，即近期最少访问的，直到缓存大小小于最大值。
当调用LruCache的get()方法获取集合中的缓存对象时，就代表访问了一次该元素，将会更新队列，保持整个队列是按照访问顺序排序。这个更新过程就是在LinkedHashMap中的get()方法中完成的。
get()方法：
其中LinkedHashMap的get()方法如下：
调用recordAccess()方法如下：
由此可见LruCache中维护了一个集合LinkedHashMap，该LinkedHashMap是以访问顺序排序的。当调用put()方法时，就会在结合中添加元素，并调用trimToSize()判断缓存是否已满，如果满了就用LinkedHashMap的迭代器删除队尾元素，即近期最少访问的元素。当调用get()方法访问缓存对象时，就会调用LinkedHashMap的get()方法获得对应集合元素，同时会更新该元素到队头。
5、云阅读书籍解析缓存（内存缓存实例，可跳过本节）
loadChapter（）是章节解析函数，首先从缓存中获取章节解析，缓存中获取章节解析不为null，直接返回缓存数据，否则在mIGetChapterContentListener接口的onGetChapterContent（）方法中获取章节内容，再进行异步解析。
mIGetChapterContentListener的onGetChapterContent（）方法中使用AsyncTask对章节进行异步解析。
解析结束后，如果成功，并且当前页面为普通页或者标题页则加入缓存。
缓存函数：
、
具体实现在CacheManager类中。（如果缓存算法改变，只需要修改CacheManager类）
当前CacheManager中使用LruCache算法实现。
6、DiskLruCache的使用
6.1创建
DISK_CACHE_SIZE缓存大小。
6.2添加
DishLruCache缓存添加的操作通过Eidtor完成，Editor为一个缓存对象的编辑对象。首先需要获取图片的url所对应的key，根据key利用edit()来获取Editor对象。若此时这个缓存正在被编辑，edit()会返回null。DiskLruCache不允许同时编辑同一个缓存对象。之所以把url转换成key，因为图片的url中可能存在特殊字符，会影响使用，一般将url的md5值作为key
将url转成key，利用这key值获取Editor对象。若这个key的Editor对象不存在，edit()方法就创建一个新的出来。通过Editor对象可以获取一个输出流对象。DiskLruCache的open()方法中，一个节点只能有一个数据，edit.newOutputStream(DISK_CACHE_INDEX)参数设置为0
这个文件输出流，从网络加载一个图片后，通过这个OutputStream outputStream写入文件系统。
上面的代码并没有将图片写入文件系统，还需要通过Editor.commit()提交写入操作，若写入失败，调用abort()方法，进行回退整个操作。
这时，图片已经正确写入文件系统，接下来的图片获取就不需要请求网络
6.3缓存查找
查找过程，也需要将url转换为key，然后通过DiskLruCache的get方法得到一个Snapshot对象，再通过Snapshot对象可得到缓存的文件输入流，有了输入流就可以得到Bitmap对象。为了避免oom，会使用ImageResizer进行缩放。若直接对FileInputStream进行操作，缩放会出现问题。FileInputStream是有序的文件流，两次decodeStream调用会影响文件流的位置属性。可以通过文件流得到其所对应的文件描述符，利用BitmapFactory.decodeFileDescriptor()方法进行缩放
在查找得到Bitmap后，把key,bitmap添加到内存缓存中。