本篇内容介绍了“怎么使用Glide的LruCache”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

成都创新互联公司专注为客户提供全方位的互联网综合服务，包含不限于做网站、成都做网站、田家庵网络推广、微信小程序开发、田家庵网络营销、田家庵企业策划、田家庵品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；成都创新互联公司为所有大学生创业者提供田家庵建站搭建服务，24小时服务热线：028-86922220，官方网址：www.cdcxhl.com

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(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。

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 {   // 容量为100的双向链表   private final Map 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 last;     Iterator> 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 extends HashMap.Node {         // 存在前后节点，也就是我们所说的双向链表         LinkedHashMapEntry before, after;         LinkedHashMapEntry(int hash, K key, V value, Node 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 p) { } // 把数据移动到最后一位 void afterNodeInsertion(boolean evict) { } void afterNodeRemoval(Node 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 e) { // move node to last         LinkedHashMapEntry last;         if (accessOrder && (last = tail) != e) {             LinkedHashMapEntry p =                 (LinkedHashMapEntry)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。

“怎么使用Glide的LruCache”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！

当前名称：怎么使用Glide的LruCache
路径分享：http://azwzsj.com/article/jgdhop.html