专栏首页向治洪Universal-Image-Loader源码分析,及常用的缓存策略

Universal-Image-Loader源码分析,及常用的缓存策略

讲到图片请求,主要涉及到网络请求,内存缓存,硬盘缓存等原理和4大引用的问题,概括起来主要有以下几个内容:

原理示意图

    主体有三个,分别是UI,缓存模块和数据源(网络)。它们之间的关系如下:

① UI:请求数据,使用唯一的Key值索引Memory Cache中的Bitmap。

 内存缓存:缓存搜索,如果能找到Key值对应的Bitmap,则返回数据。否则执行第三步。

 硬盘存储:使用唯一Key值对应的文件名,检索SDCard上的文件。

 如果有对应文件,使用BitmapFactory.decode*方法,解码Bitmap并返回数据,同时将数据写入缓存。如果没有对应文件,执行第五步。

 下载图片:启动异步线程,从数据源下载数据(Web)。

⑥ 若下载成功,将数据同时写入硬盘和缓存,并将Bitmap显示在UI中。

UIL中的内存缓存策略

1. 只使用的是强引用缓存 

LruMemoryCache(这个类就是这个开源框架默认的内存缓存类,缓存的是bitmap的强引用,下面我会从源码上面分析这个类)

 2.使用强引用和弱引用相结合的缓存有

 UsingFreqLimitedMemoryCache(如果缓存的图片总量超过限定值,先删除使用频率最小的bitmap)

LRULimitedMemoryCache(这个也是使用的lru算法,和LruMemoryCache不同的是,他缓存的是bitmap的弱引用) FIFOLimitedMemoryCache(先进先出的缓存策略,当超过设定值,先删除最先加入缓存的bitmap) LargestLimitedMemoryCache(当超过缓存限定值,先删除最大的bitmap对象) LimitedAgeMemoryCache(当 bitmap加入缓存中的时间超过我们设定的值,将其删除)

 3.只使用弱引用缓存

 WeakMemoryCache(这个类缓存bitmap的总大小没有限制,唯一不足的地方就是不稳定,缓存的图片容易被回收掉)

我们直接选择UIL中的默认配置缓存策略进行分析。

 1.ImageLoaderConfiguration  config = ImageLoaderConfiguration.createDefault(context);

ImageLoaderConfiguration.createDefault(…)这个方法最后是调用Builder.build()方法创建默认的配置参数的。默认的内存缓存实现是LruMemoryCache,磁盘缓存是UnlimitedDiscCache。

所以android在以后的版本中建议使用LruMemoryCache进行管理。

LruMemoryCache:一种使用强引用来保存有数量限制的Bitmap的cache(在空间有限的情况,保留最近使用过的Bitmap)。每次Bitmap被访问时,它就被移动到一个队列的头部。当Bitmap被添加到一个空间已满的cache时,在队列末尾的Bitmap会被挤出去并变成适合被GC回收的状态。 注意:这个cache只使用强引用来保存Bitmap。

LruMemoryCache实现MemoryCache,而MemoryCache继承自MemoryCacheAware。

 1.public interface MemoryCache extends MemoryCacheAware<String,  Bitmap>

下面给出继承关系图

通过跟踪LruMemoryCache.get()的代码我们发现,LruMemoryCache声称保留在空间有限的情况下保留最近使用过的Bitmap,这是一个LinkedHashMap<String, Bitmap>,Icache的源码缓存的代码如下:

@Override     public ICache<String, Bitmap> getBitmapCache() {         if (bitmapCache == null) {             bitmapCache = new ICache<String, Bitmap>() {                 @Override                 public void remove(String key) {                     ImageLoader.getInstance().getMemoryCache().remove(key);                 }                 @Override                 public boolean put(String key, Bitmap value) {                     if (key == null || value == null) return false;                     return ImageLoader.getInstance().getMemoryCache().put(key, value);                 }                 @Override                 public Collection<String> keys() {                     return null;                 }                 @Override                 public Bitmap get(String key) {                     return ImageLoader.getInstance().getMemoryCache().get(key);                 }                 @Override                 public void clear() {                     ImageLoader.getInstance().getMemoryCache().clear();                 }             };         }         return bitmapCache;     }

看到这里我们就清楚LruMemoryCache使用LinkedHashMap来缓存数据,在LinkedHashMap.get()方法执行后,LinkedHashMap中entry的顺序会得到调整。那么我们怎么保证最近使用的项不会被剔除呢?接下去,让我们看看LruMemoryCache.put(...)。

注意到代码第8行中的size+= sizeOf(key, value),这个size是什么呢?我们注意到在第19行有一个trimToSize(maxSize),trimToSize(...)这个函数就是用来限定LruMemoryCache的大小不要超过用户限定的大小,cache的大小由用户在LruMemoryCache刚开始初始化的时候限定。

public final boolean put(String key, Bitmap value) {
    if(key != null && value != null) {
        synchronized(this) {
            this.size += this.sizeOf(key, value);
            Bitmap previous = (Bitmap)this.map.put(key, value);
            if(previous != null) {
                this.size -= this.sizeOf(key, previous);
            }
        }

        this.trimToSize(this.maxSize);
        return true;
    } else {
        throw new NullPointerException("key == null || value == null");
    }
}

所以不难理解我们在用Universal-Image-Loader做图片加载的时候,有时候图片缓存超过阈值的时候,会去重新重服务器加载了

当Bitmap缓存的大小超过原来设定的maxSize时应该是在trimToSize(...)这个函数中做到的。这个函数做的事情也简单,遍历map,将多余的项(代码中对应toEvict)剔除掉,直到当前cache的大小等于或小于限定的大小。

private void trimToSize(int maxSize) {
    while(true) {
        synchronized(this) {
            if(this.size < 0 || this.map.isEmpty() && this.size != 0) {
                throw new IllegalStateException(this.getClass().getName() + ".sizeOf() is reporting inconsistent results!");
            }

            if(this.size > maxSize && !this.map.isEmpty()) {
                Entry toEvict = (Entry)this.map.entrySet().iterator().next();
                if(toEvict != null) {
                    String key = (String)toEvict.getKey();
                    Bitmap value = (Bitmap)toEvict.getValue();
                    this.map.remove(key);
                    this.size -= this.sizeOf(key, value);
                    continue;
                }
            }

            return;
        }
    }
}

这时候我们会有一个以为,为什么遍历一下就可以将使用最少的bitmap缓存给剔除,不会误删到最近使用的bitmap缓存吗?首先,我们要清楚,LruMemoryCache定义的最近使用是指最近用get或put方式操作到的bitmap缓存。其次,之前我们直到LruMemoryCache的get操作其实是通过其内部字段LinkedHashMap.get(...)实现的,当LinkedHashMap的accessOrder==true时,每一次get或put操作都会将所操作项(图中第3项)移动到链表的尾部(见下图,链表头被认为是最少使用的,链表尾被认为是最常使用的。),每一次操作到的项我们都认为它是最近使用过的,当内存不够的时候被剔除的优先级最低。需要注意的是一开始的LinkedHashMap链表是按插入的顺序构成的,也就是第一个插入的项就在链表头,最后一个插入的就在链表尾。假设只要剔除图中的1,2项就能让LruMemoryCache小于原先限定的大小,那么我们只要从链表头遍历下去(从1→最后一项)那么就可以剔除使用最少的项了。

至此,我们就知道了LruMemoryCache缓存的整个原理,包括他怎么put、get、剔除一个元素的的策略。接下去,我们要开始分析默认的磁盘缓存策略了。

UIL中的磁盘缓存策略

幸好UIL提供了几种常见的磁盘缓存策略,你也可以自己去扩展,可以根据他提供的几种缓存策略做进一步的缓存值的限制, FileCountLimitedDiscCache(可以设定缓存图片的个数,当超过设定值,删除掉最先加入到硬盘的文件) LimitedAgeDiscCache(设定文件存活的最长时间,当超过这个值,就删除该文件) TotalSizeLimitedDiscCache(设定缓存bitmap的最大值,当超过这个值,删除最先加入到硬盘的文件) UnlimitedDiscCache(这个缓存类没有任何的限制)

  • UsingFreqLimitedMemoryCache(如果缓存的图片总量超过限定值,先删除使用频率最小的bitmap)
  • LRULimitedMemoryCache(这个也是使用的lru算法,和LruMemoryCache不同的是,他缓存的是bitmap的弱引用)
  • FIFOLimitedMemoryCache(先进先出的缓存策略,当超过设定值,先删除最先加入缓存的bitmap)
  • LargestLimitedMemoryCache(当超过缓存限定值,先删除最大的bitmap对象)
  • LimitedAgeMemoryCache(当 bitmap加入缓存中的时间超过我们设定的值,将其删除)

在UIL中有着比较完整的存储策略,根据预先指定的空间大小,使用频率(生命周期),文件个数的约束条件,都有着对应的实现策略。最基础的接口DiscCacheAware和抽象类BaseDiscCache

接下来我们看一些硬盘缓存的一些策略:

接下来就给大家分析分析硬盘缓存的策略,这个框架也提供了几种常见的缓存策略,当然如果你觉得都不符合你的要求,你也可以自己去扩展

  • FileCountLimitedDiscCache(可以设定缓存图片的个数,当超过设定值,删除掉最先加入到硬盘的文件)
  • LimitedAgeDiscCache(设定文件存活的最长时间,当超过这个值,就删除该文件)
  • TotalSizeLimitedDiscCache(设定缓存bitmap的最大值,当超过这个值,删除最先加入到硬盘的文件)
  • UnlimitedDiscCache(这个缓存类没有任何的限制)

下面我们就来分析分析TotalSizeLimitedDiscCache的源码实现

 /******************************************************************************* 
  * Copyright 2011-2013 Sergey Tarasevich 
  * 
  * Licensed under the Apache License, Version 2.0 (the "License"); 
  * you may not use this file except in compliance with the License. 
  * You may obtain a copy of the License at 
  * 
  * http://www.apache.org/licenses/LICENSE-2.0 
  * 
  * Unless required by applicable law or agreed to in writing, software 
  * distributed under the License is distributed on an "AS IS" BASIS, 
  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. 
  * See the License for the specific language governing permissions and 
  * limitations under the License. 
  *******************************************************************************/ 
 package com.nostra13.universalimageloader.cache.disc.impl;  
  
 import com.nostra13.universalimageloader.cache.disc.LimitedDiscCache;  
 import com.nostra13.universalimageloader.cache.disc.naming.FileNameGenerator;  
 import com.nostra13.universalimageloader.core.DefaultConfigurationFactory;  
 import com.nostra13.universalimageloader.utils.L;  
  
 import java.io.File;  
  
 /** 
  * Disc cache limited by total cache size. If cache size exceeds specified limit then file with the most oldest last 
  * usage date will be deleted. 
  * 
  * @author Sergey Tarasevich (nostra13[at]gmail[dot]com) 
  * @see LimitedDiscCache 
  * @since 1.0.0 
  */ 
 public class TotalSizeLimitedDiscCache extends LimitedDiscCache {  
  
  private static final int MIN_NORMAL_CACHE_SIZE_IN_MB = 2;  
  private static final int MIN_NORMAL_CACHE_SIZE = MIN_NORMAL_CACHE_SIZE_IN_MB * 1024 * 1024;  
  
  /** 
      * @param cacheDir     Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
      *                     needed for right cache limit work. 
      * @param maxCacheSize Maximum cache directory size (in bytes). If cache size exceeds this limit then file with the 
      *                     most oldest last usage date will be deleted. 
      */ 
  public TotalSizeLimitedDiscCache(File cacheDir, int maxCacheSize) {  
  this(cacheDir, DefaultConfigurationFactory.createFileNameGenerator(), maxCacheSize);  
     }  
  
  /** 
      * @param cacheDir          Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
      *                          needed for right cache limit work. 
      * @param fileNameGenerator Name generator for cached files 
      * @param maxCacheSize      Maximum cache directory size (in bytes). If cache size exceeds this limit then file with the 
      *                          most oldest last usage date will be deleted. 
      */ 
  public TotalSizeLimitedDiscCache(File cacheDir, FileNameGenerator fileNameGenerator, int maxCacheSize) {  
  super(cacheDir, fileNameGenerator, maxCacheSize);  
  if (maxCacheSize < MIN_NORMAL_CACHE_SIZE) {  
             L.w("You set too small disc cache size (less than %1$d Mb)", MIN_NORMAL_CACHE_SIZE_IN_MB);  
         }  
     }  
  
  @Override 
  protected int getSize(File file) {  
  return (int) file.length();  
     }  
 }  

这个类是继承LimitedDiscCache,除了两个构造函数之外,还重写了getSize()方法,返回文件的大小,接下来我们就来看看LimitedDiscCache

 /******************************************************************************* 
  * Copyright 2011-2013 Sergey Tarasevich 
  * 
  * Licensed under the Apache License, Version 2.0 (the "License"); 
  * you may not use this file except in compliance with the License. 
  * You may obtain a copy of the License at 
  * 
  * http://www.apache.org/licenses/LICENSE-2.0 
  * 
  * Unless required by applicable law or agreed to in writing, software 
  * distributed under the License is distributed on an "AS IS" BASIS, 
  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. 
  * See the License for the specific language governing permissions and 
  * limitations under the License. 
  *******************************************************************************/ 
 package com.nostra13.universalimageloader.cache.disc;  
  
 import com.nostra13.universalimageloader.cache.disc.naming.FileNameGenerator;  
 import com.nostra13.universalimageloader.core.DefaultConfigurationFactory;  
  
 import java.io.File;  
 import java.util.Collections;  
 import java.util.HashMap;  
 import java.util.Map;  
 import java.util.Map.Entry;  
 import java.util.Set;  
 import java.util.concurrent.atomic.AtomicInteger;  
  
 /** 
  * Abstract disc cache limited by some parameter. If cache exceeds specified limit then file with the most oldest last 
  * usage date will be deleted. 
  * 
  * @author Sergey Tarasevich (nostra13[at]gmail[dot]com) 
  * @see BaseDiscCache 
  * @see FileNameGenerator 
  * @since 1.0.0 
  */ 
 public abstract class LimitedDiscCache extends BaseDiscCache {  
  
  private static final int INVALID_SIZE = -1;  
  
  //记录缓存文件的大小 
  private final AtomicInteger cacheSize;  
  //缓存文件的最大值 
  private final int sizeLimit;  
  private final Map<File, Long> lastUsageDates = Collections.synchronizedMap(new HashMap<File, Long>());  
  
  /** 
      * @param cacheDir  Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
      *                  needed for right cache limit work. 
      * @param sizeLimit Cache limit value. If cache exceeds this limit then file with the most oldest last usage date 
      *                  will be deleted. 
      */ 
  public LimitedDiscCache(File cacheDir, int sizeLimit) {  
  this(cacheDir, DefaultConfigurationFactory.createFileNameGenerator(), sizeLimit);  
     }  
  
  /** 
      * @param cacheDir          Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
      *                          needed for right cache limit work. 
      * @param fileNameGenerator Name generator for cached files 
      * @param sizeLimit         Cache limit value. If cache exceeds this limit then file with the most oldest last usage date 
      *                          will be deleted. 
      */ 
  public LimitedDiscCache(File cacheDir, FileNameGenerator fileNameGenerator, int sizeLimit) {  
  super(cacheDir, fileNameGenerator);  
  this.sizeLimit = sizeLimit;  
         cacheSize = new AtomicInteger();  
         calculateCacheSizeAndFillUsageMap();  
     }  
  
  /** 
      * 另开线程计算cacheDir里面文件的大小,并将文件和最后修改的毫秒数加入到Map中 
      */ 
  private void calculateCacheSizeAndFillUsageMap() {  
  new Thread(new Runnable() {  
  @Override 
  public void run() {  
  int size = 0;  
                 File[] cachedFiles = cacheDir.listFiles();  
  if (cachedFiles != null) { // rarely but it can happen, don't know why 
  for (File cachedFile : cachedFiles) {  
  //getSize()是一个抽象方法,子类自行实现getSize()的逻辑 
                         size += getSize(cachedFile);  
  //将文件的最后修改时间加入到map中 
                         lastUsageDates.put(cachedFile, cachedFile.lastModified());  
                     }  
                     cacheSize.set(size);  
                 }  
             }  
         }).start();  
     }  
  
  /** 
      * 将文件添加到Map中,并计算缓存文件的大小是否超过了我们设置的最大缓存数 
      * 超过了就删除最先加入的那个文件 
      */ 
  @Override 
  public void put(String key, File file) {  
  //要加入文件的大小 
  int valueSize = getSize(file);  
  
  //获取当前缓存文件大小总数 
  int curCacheSize = cacheSize.get();  
  //判断是否超过设定的最大缓存值 
  while (curCacheSize + valueSize > sizeLimit) {  
  int freedSize = removeNext();  
  if (freedSize == INVALID_SIZE) break; // cache is empty (have nothing to delete) 
             curCacheSize = cacheSize.addAndGet(-freedSize);  
         }  
         cacheSize.addAndGet(valueSize);  
  
         Long currentTime = System.currentTimeMillis();  
         file.setLastModified(currentTime);  
         lastUsageDates.put(file, currentTime);  
     }  
  
  /** 
      * 根据key生成文件 
      */ 
  @Override 
  public File get(String key) {  
         File file = super.get(key);  
  
         Long currentTime = System.currentTimeMillis();  
         file.setLastModified(currentTime);  
         lastUsageDates.put(file, currentTime);  
  
  return file;  
     }  
  
  /** 
      * 硬盘缓存的清理 
      */ 
  @Override 
  public void clear() {  
         lastUsageDates.clear();  
         cacheSize.set(0);  
  super.clear();  
     }  
  
  
  /** 
      * 获取最早加入的缓存文件,并将其删除 
      */ 
  private int removeNext() {  
  if (lastUsageDates.isEmpty()) {  
  return INVALID_SIZE;  
         }  
         Long oldestUsage = null;  
         File mostLongUsedFile = null;  
  
         Set<Entry<File, Long>> entries = lastUsageDates.entrySet();  
  synchronized (lastUsageDates) {  
  for (Entry<File, Long> entry : entries) {  
  if (mostLongUsedFile == null) {  
                     mostLongUsedFile = entry.getKey();  
                     oldestUsage = entry.getValue();  
                 } else {  
                     Long lastValueUsage = entry.getValue();  
  if (lastValueUsage < oldestUsage) {  
                         oldestUsage = lastValueUsage;  
                         mostLongUsedFile = entry.getKey();  
                     }  
                 }  
             }  
         }  
  
  int fileSize = 0;  
  if (mostLongUsedFile != null) {  
  if (mostLongUsedFile.exists()) {  
                 fileSize = getSize(mostLongUsedFile);  
  if (mostLongUsedFile.delete()) {  
                     lastUsageDates.remove(mostLongUsedFile);  
                 }  
             } else {  
                 lastUsageDates.remove(mostLongUsedFile);  
             }  
         }  
  return fileSize;  
     }  
  
  /** 
      * 抽象方法,获取文件大小 
      * @param file 
      * @return 
      */ 
  protected abstract int getSize(File file);  
 } 

最后看一些我们需要怎么使用

配置:

ImageLoaderConfiguration config = new ImageLoaderConfiguration.Builder(YmatouApplication.instance())
        .threadPriority(Thread.NORM_PRIORITY - 1)
        .memoryCache(new LruMemoryCache(getMemoryCacheSize()))
        .diskCacheSize(50 * ByteConstants.MB)
        .diskCacheFileNameGenerator(new Md5FileNameGenerator())
        .diskCacheFileCount(200)
        .memoryCacheExtraOptions(480, 800)
        .threadPoolSize(3)
        .memoryCache(new WeakMemoryCache())
        .tasksProcessingOrder(QueueProcessingType.FIFO)
        .defaultDisplayImageOptions(getSimpleOptions().build())
        .build();
ImageLoader.getInstance().init(config);

在做网络请求的时候,我们也做些配置,如网络请求之前默认什么背景,请求完成后,请求失败后怎么显示我们都可以在

defaultDisplayImageOptions(DisplayImageOptions.Builder builed)进行配置
private static DisplayImageOptions.Builder getSimpleOptions() {
    DisplayImageOptions.Builder options = new DisplayImageOptions.Builder()
            .cacheInMemory(true)
            .cacheOnDisk(true)
            .considerExifParams(true)
            .imageScaleType(ImageScaleType.EXACTLY)
            .showImageOnLoading(R.drawable.image_loading)
            .showImageForEmptyUri(R.drawable.image_default)
            .showImageOnFail(R.drawable.image_failed)
            .resetViewBeforeLoading(true)
            .bitmapConfig(Bitmap.Config.ARGB_8888);
    return options;
}

加载图片:

public static void imageloader(String url, ImageView imageView) {
    displayImage(url, imageView, null);
}

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • java http缓存

    HTTP/1.1中缓存的目的是为了在很多情况下减少发送请求,也即直接返回缓存;同时在许多情况下可以不需要发送完整响应。前者减少了网络回路的数量,挺高响应速度,H...

    xiangzhihong
  • 使用LRU算法缓存图片,android 3.0

    在您的UI中显示单个图片是非常简单的,如果您需要一次显示很多图片就有点复杂了。在很多情况下 (例如使用 ListView, GridView 或者 View...

    xiangzhihong
  • Universal Image Loader for Android 使用实例

    <span style="white-space:pre">      </span>// 1.获取ImageLoader实例         ImageLo...

    xiangzhihong
  • 缓存穿透、并发和雪崩那些事 转

    作者:李艳鹏,阿里资深技术专家!著有《可伸缩服务架构》,《分布式服务架构》等作品,在区块链,聚合支付,电商等领域有一定的积累!

    wuweixiang
  • 玩转EhCache之最简单的缓存框架

    Ehcache是一个用Java实现的使用简单,高速,实现线程安全的缓存管理类库,ehcache提供了用内存,磁盘文件存储,以及分布式存储方式等多种灵活的cach...

    小程故事多
  • SpringBoot 笔记 ( 五 ):缓存

    lwen
  • 使用Redis和Java进行数据库缓存

    您在数据库中获得的信息越多,随着时间的推移它就越慢。即使是为支持许多并发请求而精心设计的数据库管理系统也将最终达到极限。

    银河1号
  • Nginx内容缓存

    介绍 当启用缓存时,NGINX Plus将响应保存在磁盘缓存中,并使用它们来响应客户端,而不必每次都为同一内容代理请求。 启用响应缓存 要启用缓存,请在...

    用户1263954
  • 日均20亿流量:携程机票查询系统的架构升级

    首先简单介绍一下机票的搜索业务:大家可能都用过携程,当你去输入目的地,然后点击搜索的时候,我们的后台就开始了紧张的工作。我们基本上会在一两秒的时间,将最优的结果...

    腾小云
  • 伪共享(false sharing),并发编程无声的性能杀手

    在并发编程过程中,我们大部分的焦点都放在如何控制共享变量的访问控制上(代码层面),但是很少人会关注系统硬件及 JVM 底层相关的影响因素。前段时间学习了一个牛X...

    周三不加班

扫码关注云+社区

领取腾讯云代金券