LRUCache的实现原理

简介

LRU(Least Recently Used)最近最少使用，最近有时间和空间最近的歧义，所以我更喜欢叫它近期最少使用算法。它的核心思想是，如果一个数据被访问过，我们有理由相信它在将来被访问的概率就越高。于是当LRU缓存达到设定的最大值时将缓存中近期最少使用的对象移除。LRUCache内部使用LinkedHashMap来存储key-value键值对，并将LinkedHashMap设置为访问顺序来体现LRU算法。

简单使用

// 拿到当前的最大内存long maxMemory = Runtime.getRuntime().maxMemory();int cacheSize = (int) (maxMemory / 8);// 将LruCache的缓存容量设置为cacheSize，并重写sizeOf方法。lruCache = new LruCache<String, Bitmap>(cacheSize) {  @Override  protected int sizeOf(String key, Bitmap value) {    return value.getByteCount();  }};// put一条数据lruCache.put(key, bitmap);// get一条数据lruCache.get(key);// remove一条数据lruCache.remove(key);

数据结构

public LruCache(int maxSize) {       if (maxSize <= 0) {           throw new IllegalArgumentException("maxSize <= 0");       }       this.maxSize = maxSize;       this.map = new LinkedHashMap<K, V>(0, 0.75f, true);   }

可以看到，除了初始化maxSize，还初始化了一个全局的LinkedHashMap,当第三个参数设为true时，map被设置为
访问顺序，也就是每操作一次map的某个Entry，它就会被放到双向链表的队尾。也就是说LRU算法的任务，完全交给了LinkedHashMap。

put方法

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);          //  如果key不冲突就返回null          // 如果key冲突就用value替换odlValue,并返回oldValue           previous = map.put(key, value);           if (previous != null) {               size -= safeSizeOf(key, previous);           }       }       if (previous != null) {           entryRemoved(false, key, previous, value);       }       trimToSize(maxSize);       return previous;   }

数据通过key-value的形式被put到了map里，在put之前通过sizeOf方法计算value的size，并累加到全局变量size里，它用来记录当前缓存的数据大小。sizeOf原则上必须重写，用来定义自己的计算规则。然后调用了trimToSize方法，这个方法用以保证缓存大小不会超过maxSize。

trimToSize方法

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 || map.isEmpty()) {                   break;               }               Map.Entry<K, V> toEvict = map.entrySet().iterator().next();               key = toEvict.getKey();               value = toEvict.getValue();               map.remove(key);               size -= safeSizeOf(key, value);               evictionCount++;           }           entryRemoved(true, key, value, null);       }   }

一进来就是一个死循环，然后就迭代删除位于队首的数据。只有当前缓存容量小于maxSize的时候才break。

综上
LruCache自己主要是实现maxSize的判断，以及通过trimToSize对缓存的裁剪。其他存储、提取数据的方法以及LRU的算法都是借助LinkedHashMap来实现的。