picasso 之 LruCache

Lru是一种页面置换算法，当进程访问的页面不在内存，而且内存已无空闲空间时，系统必须从内存中调出一页送到磁盘的对换区。

调出的这一页到底是哪页呢？Lru就是其中一种算法，称为“最近最久未使用算法”。

从构造方法开始，

 /** Create a cache using an appropriate portion of the available RAM as the maximum size. */
  public LruCache(Context context) {
    this(Utils.calculateMemoryCacheSize(context));
  }
  /** Create a cache with a given maximum size in bytes. */
  public LruCache(int maxSize) {
    if (maxSize <= 0) {
      throw new IllegalArgumentException("Max size must be positive.");
    }
    this.maxSize = maxSize;
    this.map = new LinkedHashMap<String, Bitmap>(0, 0.75f, true);
  }

    初始化了允许最大缓存大小，和LinkedHashMap

    最重要的应该是get，set方法：

@Override public Bitmap get(String key) {
    if (key == null) {
      throw new NullPointerException("key == null");
    }
    Bitmap mapValue;
    synchronized (this) {    
      mapValue = map.get(key);    //根据key从里面取对应的Bitmap

      if (mapValue != null) {    //能取到的话，记录命中次数的hitCount++，返回该Bitmap

        hitCount++;
        return mapValue;
      }
      missCount++;                //未取到的话，记录未命中次数的missCount++

    }
    return null;                //最后返回null，表示没有找到缓存

  }

@Override public void set(String key, Bitmap bitmap) {
    if (key == null || bitmap == null) {
      throw new NullPointerException("key == null || bitmap == null");
    }
    Bitmap previous;
    synchronized (this) {
      putCount++;            
      size += Utils.getBitmapBytes(bitmap);    // 代表缓存大小的size加上新放入bitmap的大小

      previous = map.put(key, bitmap);  //put()返回该key之前对应的bitmap，没有的话，返回null

      if (previous != null) {            
        size -= Utils.getBitmapBytes(previous);    
    //如果之前key确实有对应的bitmap，现在更新了，自然要减去之前的bitmap大小

      }
    }
    trimToSize(maxSize);
  }

   

private void trimToSize(int maxSize) {
    while (true) {
      String key;
      Bitmap value;
      synchronized (this) {
        if (size < 0 || (map.isEmpty() && size != 0)) {
          throw new IllegalStateException(
              getClass().getName() + ".sizeOf() is reporting inconsistent results!");
        }
        if (size <= maxSize || map.isEmpty()) {    //如果现在缓存的大小还没超过限制，就不做处理

          break;
        } 
        /*能执行到这里说明缓存已经超过最大限制了，所以这里应该使用LRU算法，将超过最大缓存大小的部分去掉
          注意：里面的map使用的LinkedHashMap，我们new的时候，是用的有三个参数的构造方法，第三个参数
          true代表按照最近最少使用在前面，false代表按照插入顺序排序。所以，指定为true的时候，就是map使用的就是LRU算法
          这时，我们每次取第一个，每次只删一个，循环下去，知道size <= maxSize
        */
        
        Map.Entry<String, Bitmap> toEvict = map.entrySet().iterator().next();
        key = toEvict.getKey();
        value = toEvict.getValue();
        map.remove(key);
        size -= Utils.getBitmapBytes(value);
        evictionCount++;
      }
}

    

    清空缓存

     /** Clear the cache. */

  public final void evictAll() {

    trimToSize(-1); // -1 will evict 0-sized elements

  }

    还有一个方法，是实现Cache接口里的。清除指定的缓存。

    就是一个个遍历，每个去比较一下

@Override public final synchronized void clearKeyUri(String uri) {

    boolean sizeChanged = false;

    int uriLength = uri.length();

    for (Iterator<Map.Entry<String, Bitmap>> i = map.entrySet().iterator(); i.hasNext();) {

      Map.Entry<String, Bitmap> entry = i.next();

      String key = entry.getKey();

      Bitmap value = entry.getValue();

      int newlineIndex = key.indexOf(KEY_SEPARATOR);

      if (newlineIndex == uriLength && key.substring(0, newlineIndex).equals(uri)) {

        i.remove();

        size -= Utils.getBitmapBytes(value);

        sizeChanged = true;

      }

    }

    if (sizeChanged) {

      trimToSize(maxSize);

    }

  }

    至此，LruCache就看完了。