缓存策略在移动端设备上是非常重要的，尤其是在图片加载这个场景下，因为图片相对而言比较大会花费用户较多的流量，因此可用缓存方式来解决，即当程序第一次从网络上获取图片的时候，就将其缓存到存储设备上，这样在用户下次使用这张图片时就不用从网络上再次获取，这样就能为用户节省一定的流量。这个功能目前绝大部分主流APP都会使用，如腾讯QQ，微信。但很多时候为了提高APP的用户体验，我们还需要把图片在内存中缓存一份，比如ListView，我们知道LIstView会在用户将某些图片移出屏幕后将其进行回收，此时垃圾回收器会认为你不再持有这些图片的引用，从而对这些图片进行GC操作。可是为了能让程序快速运行，在界面上迅速地加载图片，必须要考虑到某些图片被回收之后，用户又将它重新滑入屏幕这种情况，而这种情况在ListView，GridView这种控件中出现是非常频繁的。采用内存缓存技术可以很好的解决上述问题，内存缓存技术允许控件可以快速地重新加载那些处理过的图片。内存缓存技术主要是通过LruCache这个类来完成的，下面从源码的角度详细讲解LruCache这个类，然后在此基础上讲解如何使用LruCache，让读者知其然更知其所以然。
一LruCache类：
首先我们来看一下类的定义及其构造函数：
public class LruCache<K, V>
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LruCache类使用泛型参数，其构造器参数为int型，该参数用来指定LruCache的大小，另外从其构造函数的实现过程来看，可以知道LruCache的底层是使用LinkedHashMap<K, V>来实现的，即LruCache使用一个强引用（strong referenced）的LinkedHashMap保存最近引用的对象。（A cache that holds strong references to a limited number of values.）
然后我么来看一下其重要的方法：
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);
previous = map.put(key, value);
if (previous != null) {
size -= safeSizeOf(key, previous);
}
}
if (previous != null) {
entryRemoved(false, key, previous, value);
}
trimToSize(maxSize);
return previous;
}
public final V get(K key) {
if (key == null) {
throw new NullPointerException("key == null");
}
V mapValue;
synchronized (this) {
mapValue = map.get(key);
if (mapValue != null) {
hitCount++;
return mapValue;
}
missCount++;
}
/*
* Attempt to create a value. This may take a long time, and the map
* may be different when create() returns. If a conflicting value was
* added to the map while create() was working, we leave that value in
* the map and release the created value.
*/
V createdValue = create(key);
if (createdValue == null) {
return null;
}
synchronized (this) {
createCount++;
mapValue = map.put(key, createdValue);
if (mapValue != null) {
// There was a conflict so undo that last put
map.put(key, mapValue);
} else {
size += safeSizeOf(key, createdValue);
}
}
if (mapValue != null) {
entryRemoved(false, key, createdValue, mapValue);
return mapValue;
} else {
trimToSize(maxSize);
return createdValue;
}
}
protected int sizeOf(K key, V value) {
return 1;
}之所以把这三个方法拿出来讲解，是因为这三个方法它对应着我们实现的LruCache内存缓存策略的创建缓存，添加key到缓存，从缓存中获取V这三个最重要的功能，通常我们在创建缓存时会重写上述的sizeOf(K key, V value)，在该方法中返回我们要创建的内存缓存的大小。而put与get则相对复杂些，我们首先来分析一下put方法。
可以看到put方法作用是缓存key，同时会将key移动到队列头部Caches {@code value} for {@code key}. The value is moved to the head of the queue.，另外它会返回与的key对应的先前的V，（return the previous value mapped by {@code key}）。采用的是同步方式来实现的。
接下来我们看一下get方法。
从get方法中可以看到get包括两种情况：
1取的时候命中：直接返回与key对应的V。
2取的时候未命中：根据key产生一个V，然后调用put方法将其放入。
当get方法会将返回的值移动到队列头部。If a value was returned, it is moved to the head of the queue。
从put与get方法可以看到，put与get时会将该元素放到队列的头部，因为无论是put还是get都表示该元素目前被使用过，所以会将其放到队列的头部，当缓存中的元素超过maxSize时，会通过trimToSize函数来去除缓存中最久的元素（ Map.Entry<K, V> toEvict = map.eldest();），这就是所谓的LRU算法，即最近最少使用算法，即当当缓存中的元素超过maxSize时会淘汰最近最少使用的元素。下面是trimToSize的源码：
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) {
break;
}
Map.Entry<K, V> toEvict = map.eldest();//首先获取最久的元素
if (toEvict == null) {
break;
}
key = toEvict.getKey();
value = toEvict.getValue();
map.remove(key);//去除最久的元素（也是未被使用的最久的元素）
size -= safeSizeOf(key, value);
evictionCount++;
}
entryRemoved(true, key, value, null);
}
}
下面是LinkedHashMap中eldest()函数的代码：
public Entry<K, V> eldest() {
LinkedEntry<K, V> eldest = header.nxt;
return eldest != header ? eldest : null;
}
通过上述代码的分析相信看官对LruCache的思想已经非常熟悉了，LruCache的底层是通过LinkedHashMap来实现的，当创建一个LruCache的对象时会让我们传入一个int型的maxSize，当我们向LruCache中put与get元素时会将该元素放到缓存队列的对头，当put元素超过maxSize时（这也是为何要传入maxSize参数的原因），会通过trimToSize函数来去除缓存中最久的元素，具体是通过Map.Entry<K, V> toEvict = map.eldest();来获取最久的元素，然后通过remove(key)的方式将其移除。
二LruCache的使用：
这个类是3.1版本中提供的，如果要在更早的Android版本中使用，则需要导入android-support-v4的jar包。
我们以BitMap对象来创建LruCache缓存为例，首先正如我在前面讲述的，一个LruCache缓存策略至少包含三个功能，即创建缓存，向缓存中添加元素，从缓存中获取元素。
代码如下：
private LruCache<String, Bitmap> mMemoryCache;
@Override
protected void onCreate(Bundle savedInstanceState) {
...
// Get max available VM memory, exceeding this amount will throw an
// OutOfMemory exception. Stored in kilobytes as LruCache takes an
// int in its constructor.
final int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
// Use 1/8th of the available memory for this memory cache.
final int cacheSize = maxMemory / 8;
mMemoryCache = new LruCache<String, Bitmap>(cacheSize) {
@Override
protected int sizeOf(String key, Bitmap bitmap) {
// The cache size will be measured in kilobytes rather than
// number of items.
return bitmap.getByteCount() / 1024;
}
};
...
}
public void addBitmapToMemoryCache(String key, Bitmap bitmap) {
if (getBitmapFromMemCache(key) == null) {
mMemoryCache.put(key, bitmap);
}
}
public Bitmap getBitmapFromMemCache(String key) {
return mMemoryCache.get(key);
}我们说过缓存的目的就是为了当加载某个图片时首先从LruCache 中检查是否存在这个Bitmap。如果确实存在，它会立即被用来显示到ImageView上，如果不存在，则会开启一个后台线程去处理显示该Bitmap任务。所以我们还需要为其添加一个loadBitmap的功能，代码如下：
public void loadBitmap(int resId, ImageView imageView) {
final String imageKey = String.valueOf(resId);
final Bitmap bitmap = getBitmapFromMemCache(imageKey);
if (bitmap != null) {
mImageView.setImageBitmap(bitmap);
} else {
mImageView.setImageResource(R.drawable.image_placeholder);
BitmapWorkerTask task = new BitmapWorkerTask(mImageView);
task.execute(resId);
}
}其中的BitmapWorkerTask 需要把解析好的Bitmap添加到内存缓存中：
class BitmapWorkerTask extends AsyncTask<Integer, Void, Bitmap> {
...
// Decode image in background.
@Override
protected Bitmap doInBackground(Integer... params) {
final Bitmap bitmap = decodeSampledBitmapFromResource(
getResources(), params[0], 100, 100));
addBitmapToMemoryCache(String.valueOf(params[0]), bitmap);
return bitmap;
}
...
}
，另外看官还可以看看我的其它博客的文章哦！