Glide都在用的LruCache,你会几分?

learnNG 2020-03-13

【金融特辑】光大银行科技部DBA女神带你从0到1揭秘MGR

 Glide都在用的LruCache,你会几分?

前言

说到Glide就有点尴尬,我本来想出一篇《手撕Glide》,但是很遗憾,源码实在太多了。写着写着就3000多字了,甚至还没写完,实在不合适,因为我写文的原则是短小精悍,所以就暂时不出这篇文章了,这次就先讲讲Glide都在用的LruCache有什么神奇之处。另外我抖音的面试在即,也不知道自己水平到了没有,现在出一篇算一篇先。

思维导图

Glide都在用的LruCache,你会几分?

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。

Glide都在用的LruCache,你会几分?

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; 
    } 
 
    /** 
     * 插入item 
     * @param item 
     */ 
    public void put(Object item){ 
         
    } 
 
    /** 
     * 获取item 
     * @param item 
     */ 
    public Object get(Object item){ 
        return null; 
    } 
 
    /** 
     * 根据下标对应,将后续数组移位 
     * @param index 
     */ 
    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; 
    } 
 
    /** 
     * 插入item 
     * 
     * @param item 
     */ 
    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); 
        } 
    } 
 
    /** 
     * 获取item 
     * 
     * @param item 
     */ 
    public Object get(Object item) { 
        int index = search(item); 
        return index == -1 ? null : objects[index]; 
    } 
 
    /** 
     * 根据下标对应,将后续数组移位 
     * 
     * @param 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; 
    } 
 
    /** 
     * 搜寻数组中的数组 
     * 存在则返回下标 
     * 不存在则返回 -1 
     * @param item 
     * @return 
     */ 
    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。

Glide都在用的LruCache,你会几分?

总结

想来我们都知道在操作系统中有这样的问题需要思考,具体题型的话就是缺页中断。用一个例题来彻底了解LruCache的算法。

例: 存入内存的数据序列为:(1,2,1,3,2),内存容量为2。

最近使用 最久未使用 动作
1   1入内存
2 1 2入内存
1 2 1入内存,交换1和2的使用频率
3 1 3入内存,内存不足,排出2
2 3 2入内存,内存不足,排出1

相关推荐