Android中LruCache到底是如何配合LinkedHashMap实现LRU算法

LruCache是Android3.1提供的一个缓冲类，support包中也有。它对数据的存储采用了近期最少使用算法。

Android开发中，如网络加载图片，如果不进行缓存，那么流量的消耗和体验是很差的。并且Android系统有对每个应用施加了内存限制，一旦超出限制，就看见了常见的OOM的报错。所以我们需要一个有缓存策略的类LruCache，来存放这些图片。

我们从源码来看看，这个高大上的东西如何实现的。

一：看LruCache一般的用法：

int maxMemory = (int) (Runtime.getRuntime().maxMemory()/1024);
int cacheSize = maxMemory/8;
LruCache mCache = new LruCache(cacheSize){
	protected int sizeOf(String key, Bitmap value) {
		return value.getRowBytes()*value.getHeight()/1024;
	};
};

这是一般缓存图片时的写法。其中有一个点，为什么重写sizeOf方法？下面分析源码就明白了~

二：源码分析

1.先看看它的成员变量：

private final LinkedHashMap map;

    /** Size of this cache in units. Not necessarily the number of elements. */
    private int size;//当前内存大小
    private int maxSize;//最大内存大小

    private int putCount;//加入成功就加一，一下的count，分析源码发现没用到，就只是记录一下
    private int createCount;//创建成功加一
    private int evictionCount;//清除一次加一
    private int hitCount;//成功查找到一次加一
    private int missCount;//get但不存在

2.先看看它的构造器：

/**
     * @param maxSize for caches that do not override {@link #sizeOf}, this is
     *     the maximum number of entries in the cache. For all other caches,
     *     this is the maximum sum of the sizes of the entries in this cache.
     */
    public LruCache(int maxSize) {
        if (maxSize <= 0) {
            throw new IllegalArgumentException("maxSize <= 0");
        }
        this.maxSize = maxSize;
        this.map = new LinkedHashMap(0, 0.75f, true);
    }

传入我们设定的最大大小，然后new 了一个LinkedHashMap。并且看第三个参数为true。看API知道了，true的时候，LinkedHashMap遵循LRU算法。具体LinkedHashMap怎么实现的，下面会浅析一下，先看LruCache，一步步来。表急 。。

3.看看我们常用的put方法：

 /**
     * Caches {@code value} for {@code key}. The value is moved to the head of
     * the queue.
     *
     * @return the previous value mapped by {@code key}.
     */
    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;
    }

注意看代码中标红的三句代码：

safeSizeOf()：其中会为了安全判断参数是否合法，然后调用sizeOf()方法。sizeOf()！我们经常会重写的方法。该方法会返回子项的大小。当put 新数据时，当前大小增加新数据大小，发现有老数据存在，linkedHashMap会覆盖老数据，所以减去老数据大小。

entryRemoved()：这个方法也可以选择重写，它会通知删除项的信息。

trimTosize()：这个方法很关键，这个方法会判断当前大小是否超出限制，如果超出则删除一些数据。具体看下面。

4.get方法：

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++;
        }

        /*
         * Attempt to create a value. This may take a long time, and the map
         * may be different when create() returns. If a conflicting value was
         * added to the map while create() was working, we leave that value in
         * the map and release the created value.
         */

        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 {
                size += safeSizeOf(key, createdValue);
            }
        }

        if (mapValue != null) {
            entryRemoved(false, key, createdValue, mapValue);
            return mapValue;
        } else {
            trimToSize(maxSize);
            return createdValue;
        }
    }

其中标红的create()方法，也是可以重写的。作用就是get不到东西时，如果重写并返回值，就默认创建。不重写此方法，返回null，则不会默认创建。创建成功，都会执行trimTosize()方法。下面我们看看这个关键的方法。

5.trimTosize()

public 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!");
                }

                if (size <= maxSize) {
                    break;
                }

                Map.Entry toEvict = map.eldest();
                if (toEvict == null) {
                    break;
                }

                key = toEvict.getKey();
                value = toEvict.getValue();
                map.remove(key);
                size -= safeSizeOf(key, value);
                evictionCount++;
            }

            entryRemoved(true, key, value, null);
        }
    }

看看这几句标红的代码。死循环，直到当前大小小于大小限制，才停止，否则一直map.eldest()，从linkedHashMap获取到链表数据，删除掉。

可是就实现了LRU呢？那么LruCache就算分析完了，要把重心移到LinkedHashMap了。

6.LinkedHashMap get和put

LinkedHashMap继承HashMap。它自己维护了一个双向循环链表。它没有重写put方法，但是重写了put'方法调用的addNewEntry。这个方法会把最新的放在链表的header项的前面。get方法我们看一下：

@Override public V get(Object key) {
        if (key == null) {
            HashMapEntry e = entryForNullKey;
            if (e == null)
                return null;
            if (accessOrder)
                makeTail((LinkedEntry) e);
            return e.value;
        }

        int hash = secondaryHash(key);
        HashMapEntry[] tab = table;
        for (HashMapEntry e = tab[hash & (tab.length - 1)];
                e != null; e = e.next) {
            K eKey = e.key;
            if (eKey == key || (e.hash == hash && key.equals(eKey))) {
                if (accessOrder)
                    makeTail((LinkedEntry) e);
                return e.value;
            }
        }
        return null;
    }

其他代码和咱要研究的关系不大，看标红的，accessOrder，这个LruCache构造器中设为了true，表示使用LRU算法，那么接下来，一切谜团都在makeTail()方法中了。

7.makeTail()

private void makeTail(LinkedEntry e) {
        // Unlink e
        e.prv.nxt = e.nxt;
        e.nxt.prv = e.prv;

        // Relink e as tail
        LinkedEntry header = this.header;
        LinkedEntry oldTail = header.prv;
        e.nxt = header;
        e.prv = oldTail;
        oldTail.nxt = header.prv = e;
        modCount++;
    }

代码很少，这段代码在当初大学时学链表时，被搞的快 了。目的就是，切断原链表的header和tail， 插入新的entry到header 的前面，就是说是循环链表的尾部。

下面来个相关的链表图，应该就清晰很多了。网上引用个图：

插入新的entry到header的前面，就是说循环链表的尾部：

1.将要插入的entry断开：

e.prv.nxt = e.nxt：将e的前一项的next指向，e的下一项。

e.nxt.prv = e.prv：将e的下一项的pre指向，e的前一项。

2.插入：

LinkedEntry header = this.header：获取到此时的header

 LinkedEntry oldTail = header.prv;：获取到此时的tail

 e.nxt = header：将e的next指向header

e.prv = oldTail：将e的pre指向tail。闭环

oldTail.nxt = header.prv = e; header的前一项指向e，tail的下一项指向e。

最后再看一下LruCache中到底删除的是链表的哪个地方。

8.eldest

public Entry eldest() {
        LinkedEntry eldest = header.nxt;
        return eldest != header ? eldest : null;
    }

耶！明白了吧，获取了header 的下一项。

三.总结

LruCache只是来控制大小不超过限制，从而操作LinkedHashMap执行删除。重点都在LinkedHashMap。

LruCache优先删除的是LinkedHashMap中循环双向链表中 ：Header 的下一项！当我们调用get，put方法操作某一项的时候，会将此项放在header 的前面，那么此项被删除的优先级是最低的，从而实现了LRU！

希望可以对大家有所帮助，大家发现问题欢迎指正!