6.1 （番外）深入源码理解HashMap、LinkedHashMap，DiskLruCache
我们看OkHttp的源码可以知道，他的缓存算法主要是用LruCache算法实现的，Lru的一个典型的实现就是LinedkHashMap，LinkedHashMap又是基于HashMap实现的，所以要探究他的原理，我们要从HashMap开始说起了
（前排出售香烟啤酒火腿肠。。。）
（本文用的是java7，java8 HashMap有部分改动）
HashMap
HashMap继承自AbstactMap，实现的是Map接口,Map的实现类有一下几种
Map
├Hashtable
├HashMap
└WeakHashMap
get知识点
HashMap 和 HashTable 的区别是什么
自行搜索去，我不说，有本事你们打我
laji.jpg
我们要看HashMap的话首先要看他的父类，我们点到AbstractMap
SimpleEntry SimpleImmutableEntry,他们两个都是实现了Entry 接口的，我们来看一下比较重要（常用）的几个方法
-
构造函数
构造方法AbstractMap只有一种，，就是默认的 不过他设置为了protected。
-
put
Put方法在AbstractMap中只定义了出来，具体实现给子类实现
-
get
get方法在AbstractMap中是有实现的，我们都知道HashMap是支持null的 所以这边先做了一个空的判断，如果是null，那么找key为null的值，否则的话遍历寻找key相同的Entry返回，如果都没找到返回null
public V get(Object key) { Iterator
-
remove
这个remove和get的方法基本是一样的，最后的差别是多了一个返回当前移除的值
-
containsKey
和get差不多，，，自己瞅，
-
containsValue
同上
上面写的好轻松，不过下面就开始悲剧了，我们来看HashMap，在java上HashMap的默认大小是16，在安卓上是4
还有几个比较重要的参数来解释一下
| 参数名字 | 默认值 | 描述 |
|---|---|---|
| DEFAULT_INITIAL_CAPACITY | java 16，安卓 4 | HashMap默认的大小 |
| MAXIMUM_CAPACITY | 1<<30 具体数字1073741824 | HashMap的最大容量 |
| DEFAULT_LOAD_FACTOR | 0.75 | 加载因子（ 加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度，它衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小 |
以上就是几个比价重要的参数，然后我们按照上面的来分析代码，首先看他的构造函数
HashMap()
HashMap(int initialCapacity)
HashMap(int initialCapacity, float loadFactor)
HashMap(Map m)
上面的构造函数，前两个都是调用的第三个，默认都是传的默认值，我们直接看第三个
/**
* Constructs an empty HashMap with the specified initial
* capacity and load factor.
*
* 构造具有指定的初始容量和负载因子的空HashMap。
*
* @param initialCapacity the initial capacity
* @param loadFactor the load factor
* @throws IllegalArgumentException if the initial capacity is negative
* or the load factor is nonpositive
*/
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
//如果是用的这个构造函数，那么初始大小和加载因子需要指明
this.loadFactor = loadFactor;
threshold = initialCapacity;
init();
}
void init() {
}
这边就是对于默认的几个数值做了一下过滤与判断，init方法是个空方法，接着我们看常用的put和get方法
put（key,value）
/**
* An empty table instance to share when the table is not inflated.
*/
static final Entry[] EMPTY_TABLE = {};
/**
* The table, resized as necessary. Length MUST Always be a power of two.
*/
transient Entry[] table = (Entry[]) EMPTY_TABLE;
(省略 、、、、、、)
public V put(K key, V value) {
//如果table等于一个空table的话，初始化table，大小如果没有指定的话就是默认的大小
if (table == EMPTY_TABLE) {
inflateTable(threshold);
}
//如果是null键的话 ，添加null的字符串
if (key == null)
return putForNullKey(value);
//获取key的hash值进行两次hash计算
int hash = hash(key);
//根据hash的值进行寻址，返回的是下标
int i = indexFor(hash, table.length);
//如果第table里面的的entry不为空，然后根据下标和引用开始向散列表里放值
for (Entry e = table[i]; e != null; e = e.next) {
Object k;
//如果添加成功则返回
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
//每当一个条目中的值被对于已经在HashMap中的密钥k调用put（k，v）覆盖时，这个方法被调用。例如linkedHashMap
e.recordAccess(this);
return oldValue;
}
}
/**这里当他是当前索引的第一个，调用addEntry添加**/
//模数加一
modCount++;
//添加到table上，如果大小不够的话会进行扩容，倍数是2的整数倍
addEntry(hash, key, value, i);
return null;
}
把以上的步骤总结来说就是这样
- 如果table是空的话初始化table的大小为默认值
- 如果key是null的话处理null值的value，hash值为0，index也是0，添加之后return
- 如果key不为null的话，获取他的hash值，获得再次进行两次hash的hash值，与table的长度进行&操作获取下标
- 遍历table，如果当前的下边的entry不为null，并且key和hash相同，就进行覆盖操作
- 如果不是的话新建一个entry，添加到table下标为i的地方，原来下标上的entry做为entry的下个节点
整个步骤拿图来讲的话是这样
流程.png
如果是null的键的话他永远在table的第0个下标，如果存在就是覆盖掉原来的value, 这就是他put 操作 ，核心就在他的散列算法，如何让各个不同的键均匀的分布，不然就会造成一个index下的entry有很长，这样效率会被降低。
他的散列就是Hash算法
final int hash(Object k) {
int h = hashSeed;
//hashSeed只有在hash表的大与等于 Integer.MAX_VALUE或者是设置的系统变量jdk.map.althashing.threshold， 才不为0(好多博客对这块描述不多或者理解有误，以为key是String 直接就进来了)
if (0 != h && k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
//此功能可确保每个位位置上不同倍数不同的hashCode具有有界数量的冲突（默认加载因子约为8）。
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
里面的hashSeed正常情况下都是0，非0的情况是你的table size大于等于设置的系统变量jdk.map.althashing.threshold 或者 Integer.MAX_VALU，一般都不会碰到这种情况
后面的hash看起来就关系就简单多了。获取key的hashCode，因为是native方法 看不到。h默认是0，进行的是一个^（异或）运算，然后下面的就是对h一顿无符号位移操作，进行了两次，确保他的不同。
接着的一个算法是寻找合适的下标的算法，indexFor
static int indexFor(int h, int length) {
// assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
return h & (length-1);
}
这不用多讲，一个与运算，基本put方法重要且难理解的都在这边讲解了，下面讲get方法
get
get的代吗还是比较少比较好理解的
public V get(Object key) {
//null key 获取null key的值 table的第0位 寻找key为null的
if (key == null)
return getForNullKey();
//和上面的套路差不多，通过调用hash 和 indexFor的方法找到他的下标，在下标里面遍历寻找到他的值
Entry entry = getEntry(key);
//null的话返回null
return null == entry ? null : entry.getValue();
}
----- 我是一个漂亮的分割线 ------
//上面方法用用到的方法
//找null key
private V getForNullKey() {
if (size == 0) {
return null;
}
for (Entry e = table[0]; e != null; e = e.next) {
if (e.key == null)
return e.value;
}
return null;
}
//找非null key
final Entry getEntry(Object key) {
if (size == 0) {
return null;
}
int hash = (key == null) ? 0 : hash(key);
for (Entry e = table[indexFor(hash, table.length)];
e != null;
e = e.next) {
Object k;
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
}
return null;
}
其他几个方法我就不起一一分析了，基本上就是根据getEntry（）来进行判断的 ，没办法 谁让我这么懒。。
HashMap看完之后我们来看LinkedHashMap，就轻松多了
LinkedHashMap
LinkedHashMap继承自HashMap，我们按照一样的套路去看LinkedHashMap，发现他的构造函数和HashMap的构造函数是一样的，不同的地方是多了一个accessOrder，acessOrder上面的描述是
该链接哈希映射的迭代排序方法：对于访问顺序为true，对于插入顺序为false。
这样的操作像不像LRU，不过默认是按照插入顺序排序的，也就是默认值是false
init方法里，初始化了header，是个Entry，继承自HashMap的Entry，是个双向链表，里面包含他的前一个节点和后一个节点
private static class Entry extends HashMap.Entry {
// These fields comprise the doubly linked list used for iteration.
Entry before, after;
Entry(int hash, K key, V value, HashMap.Entry next) {
super(hash, key, value, next);
}
(省略 添加和删除部分。。。。)
//这个方法在HashMap中put操作的时候有被调用过，我们发现LinkedHashMap没有重写put方法，所以我们就分析这个方法，这个方法就是在插入的时候记录他的插入顺序(心机boy，藏得这么深，搞的这么巧妙)
void recordAccess(HashMap m) {
LinkedHashMap lm = (LinkedHashMap)m;
if (lm.accessOrder) {
lm.modCount++;
remove();
addBefore(lm.header);
}
}
}
用图片表示的话就是这样
LinkedHashMap.png
他这边记录了两份，一份是在Hash表里的，一份是双向链表，如果accessOrder为true的话，每次都会把最近调用的放到链表的最后方，他调用的地方有两处
- get方法
- HashMap中put的方法（覆盖）
我们来运行个例子
LinkedHashMap linedHashMap = new LinkedHashMap(16,0.75f,true);
linedHashMap.put("key1","test1");
linedHashMap.put("key2","test2");
linedHashMap.put("key3","test3");
linedHashMap.put("key4","test4");
linedHashMap.put("key5","test5");
for (Iterator iterator = linedHashMap.values().iterator(); iterator
.hasNext();) {
String name = (String) iterator.next();
System.out.println(name);
}
link1.png
当我们进行一些操作的时候
LinkedHashMap linedHashMap = new LinkedHashMap(16,0.75f,true);
linedHashMap.put("key1","test1");
linedHashMap.put("key2","test2");
linedHashMap.put("key3","test3");
linedHashMap.put("key4","test4");
linedHashMap.put("key5","test5");
linedHashMap.get("key1");
linedHashMap.get("key3");
for (Iterator iterator = linedHashMap.values().iterator(); iterator
.hasNext();) {
String name = (String) iterator.next();
System.out.println(name);
}
link.png
我们发现， 最近使用的就排到了这个链表的最后面，nice，知道了这个原理之后，感觉自己都能写一个LRUcache算法了是不是
有没有很开心很激动？
别着急，，接着看
DiskLruCache
Jake Wharton的微笑镇楼
DisLruCache 这边我们拿JW大神的来讲，OkHttp里面的是被改造过的 ，会有点小的不同，不过问题不大，还有就是 ，我们是按照大体的流程来梳理一下，具体的细节就要考大家去自己看源码了。
我们的测试程序如下
public class TestMain {
private static final long cacheSize = 1024 * 1024 * 20;//缓存文件最大限制大小20M
private static String cachedirectory = "/Users/Mirsfang/Desktop" + "/caches"; //设置缓存文件路径,自己设置
public static void main(String[] args) {
testWirteDiskLruCache();
}
//写入
private static void testWirteDiskLruCache() {
DiskLruCache diskCache = null;
try {
diskCache = DiskLruCache.open(new File(cachedirectory), 10010, 1, cacheSize);
String urlKey = "test_request1_1";
String testJson = "{\"result\":{\"errmsg\":\"令牌失效\",\"errcode\":\"101\"}}";
try {
DiskLruCache.Editor editor = diskCache.edit(urlKey);
OutputStream outPutStream = editor.newOutputStream(0);
OutputStreamWriter steamWriter = new OutputStreamWriter(outPutStream);
steamWriter.write(testJson);
steamWriter.close();
outPutStream.flush();
outPutStream.close();
editor.commit();
diskCache.flush();
diskCache.close();
} catch (IOException e) {
e.printStackTrace();
} finally {
}
} catch (IOException e) {
e.printStackTrace();
}
}
//读取
private static void testGetDiskLruCache() {
DiskLruCache diskCache = null;
StringBuilder sb = new StringBuilder();
try {
diskCache = DiskLruCache.open(new File(cachedirectory), 10010, 1, cacheSize);
String urlKey = "test_request1_1";
try {
DiskLruCache.Snapshot snapshot = diskCache.get(urlKey);
String inputSteam = snapshot.getString(0);
diskCache.flush();
diskCache.close();
System.out.print("得到文本: "+inputSteam);
} catch (IOException e) {
e.printStackTrace();
} finally {
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
首先还是从构建方法搞起，构建方法是不对外公开的 只能通过open去构建
/**
* 传入的参数
* @param directory 可写入的目录
* @param valueCount 每个缓存条目的值的数量。 必须是正的。
* @param maxSize 该缓存应用于存储的最大字节数
* @throws IOException if reading or writing the cache directory fails
*
**/
public static DiskLruCache open(File directory, int appVersion, int valueCount, long maxSize)
throws IOException {
if (maxSize <= 0) {
throw new IllegalArgumentException("maxSize <= 0");
}
if (valueCount <= 0) {
throw new IllegalArgumentException("valueCount <= 0");
}
// If a bkp file exists, use it instead.如果存在bkp文件，请改用它。
File backupFile = new File(directory, JOURNAL_FILE_BACKUP);
if (backupFile.exists()) {
File journalFile = new File(directory, JOURNAL_FILE);
// If journal file also exists just delete backup file.
// 如果日记文件也存在只是删除备份文件。
if (journalFile.exists()) {
backupFile.delete();
} else {
renameTo(backupFile, journalFile, false);
}
}
// 初始化DisLruCache ，如果日志文件存在，，那么就用原来的
DiskLruCache cache = new DiskLruCache(directory, appVersion, valueCount, maxSize);
if (cache.journalFile.exists()) {
try {
cache.readJournal();
cache.processJournal();
return cache;
} catch (IOException journalIsCorrupt) {
System.out
.println("DiskLruCache "
+ directory
+ " is corrupt: "
+ journalIsCorrupt.getMessage()
+ ", removing");
cache.delete();
}
}
//否则的话重新创建
directory.mkdirs();
cache = new DiskLruCache(directory, appVersion, valueCount, maxSize);
//构建日志文件，写入日志的头
cache.rebuildJournal();
return cache;
}
然后是edit（key）方法，构建一个DiskLruCache.Editor
public Editor edit(String key) throws IOException {
return edit(key, ANY_SEQUENCE_NUMBER);
}
private synchronized Editor edit(String key, long expectedSequenceNumber) throws IOException {
//判断journalWriter是否关闭
checkNotClosed();
//验证key是否合法(正则验证)
validateKey(key);
//从linkedHashMap中检查一下是否存在Entry
Entry entry = lruEntries.get(key);
//如果缓存是无效的，返回null
if (expectedSequenceNumber != ANY_SEQUENCE_NUMBER && (entry == null
|| entry.sequenceNumber != expectedSequenceNumber)) {
return null; // Snapshot is stale.
}
//如果entry为空，新new一个entry，添加到linkedHashMap中
if (entry == null) {
entry = new Entry(key);
lruEntries.put(key, entry);
} else if (entry.currentEditor != null) {
return null; // Another edit is in progress.
}
//新建一个editor对象
Editor editor = new Editor(entry);
entry.currentEditor = editor;
// 写入日志文件记录
journalWriter.write(DIRTY + ' ' + key + '\n');
journalWriter.flush();
return editor;
}
我们发现，基本的写入操作都是由Editor的newOutputStream的这个Steam完成的，我们去看那个方法
public OutputStream newOutputStream(int index) throws IOException {
//进行下标判断，是否合法
if (index < 0 || index >= valueCount) {
throw new IllegalArgumentException("Expected index " + index + " to "
+ "be greater than 0 and less than the maximum value count "
+ "of " + valueCount);
}
//为避免线程问题
synchronized (DiskLruCache.this) {
//看获取的entry的editor和当前的是否一直
if (entry.currentEditor != this) {
throw new IllegalStateException();
}
//如果readable是fasle，written[]这个数组index改为true,这个是为了兼容一个key对应多个的问题
if (!entry.readable) {
written[index] = true;
}
//根据index和entry，获取对应的缓存文件
File dirtyFile = entry.getDirtyFile(index);
FileOutputStream outputStream;
try {
//打开输入管道
outputStream = new FileOutputStream(dirtyFile);
} catch (FileNotFoundException e) {
// Attempt to recreate the cache directory.
//遇见异常失败的话尝试重新创建缓存目录。
directory.mkdirs();
try {
outputStream = new FileOutputStream(dirtyFile);
} catch (FileNotFoundException e2) {
// We are unable to recover. Silently eat the writes.
return NULL_OUTPUT_STREAM;
}
}
//返回输出管道
return new FaultHidingOutputStream(outputStream);
}
}
这样通过outputStream就写入到文件里了FaultHidingOutputStream是一个继承FilterOutputStream的包装类，对一些错误进行了标记，这个大概就是写入的这个流程，其实DiskLruCache主要的是get方法，看如何计数操作
get方法
public synchronized Snapshot get(String key) throws IOException {
//检查文件流是否关闭
checkNotClosed();
//检查key的有效性
validateKey(key);
//通过LinkedHashMap中获取Entry
Entry entry = lruEntries.get(key);
//判断entry的合法性
if (entry == null) {
return null;
}
if (!entry.readable) {
return null;
}
// Open all streams eagerly to guarantee that we see a single published
// snapshot. If we opened streams lazily then the streams could come
// from different edits.
//积极地打开所有流，以保证我们看到一个已发布的snapshot。 如果我们懒加载的方式打开流，那么流可以来自不同的edits。
//
InputStream[] ins = new InputStream[valueCount];
try {
for (int i = 0; i < valueCount; i++) {
ins[i] = new FileInputStream(entry.getCleanFile(i));
}
} catch (FileNotFoundException e) {
// A file must have been deleted manually!
for (int i = 0; i < valueCount; i++) {
if (ins[i] != null) {
Util.closeQuietly(ins[i]);
} else {
break;
}
}
return null;
}
redundantOpCount++;
journalWriter.append(READ + ' ' + key + '\n');
//检测是否到达清理标准
if (journalRebuildRequired()) {
//开启线程进行清理
executorService.submit(cleanupCallable);
}
return new Snapshot(key, entry.sequenceNumber, ins, entry.lengths);
}
这里我们看到他是从LinkedHashMap中获取Entry的，后面，然后进行计数和日志的写入，最后的这个
if (journalRebuildRequired()) {
//开启线程进行清理
executorService.submit(cleanupCallable);
}
是重点，他负责打开清理线程， 这是DiskLruCache的核心，为什么DiskLruCache会清理，我们来看这个线程
private final Callable cleanupCallable = new Callable() {
public Void call() throws Exception {
synchronized (DiskLruCache.this) {
//如果日志写入为空，说明现在的状态是异常的
if (journalWriter == null) {
return null; // Closed.
}
//清理垃圾缓存
trimToSize();
if (journalRebuildRequired()) {
//我们只能重新建立这个日志的时候，它会缩小日志的大小，并且至少消除2000个记录。
rebuildJournal();
redundantOpCount = 0;
}
}
return null;
}
};
//垃圾清除,当size比最大的size大的时候，从不活跃的开始清除
private void trimToSize() throws IOException {
while (size > maxSize) {
Map.Entry toEvict = lruEntries.entrySet().iterator().next();
remove(toEvict.getKey());
}
}
我们查看这个trimToSize（）的调用的地方有
- flush()
- close()
调用清理线程的地方有
- get()
- setMaxSize()
- completeEdit()
可以发现这几个点 存数据，大小改变，获取数据，关闭 这几个地方都会去检测是否去清理垃圾。
大概主要的流程就是这样，DiskLruCache 其中比较细节的地方就需要自己去看了，这边就不细讲了，有什么问题的话可以进群交流 群号 579508560