• 用双缓存技术优化listview异步加载网络图片


    缓存简单的来讲就是内存,缓存技术的目的是为了更高效的利用内存,防止out of memory 发生。双缓存又称为二级缓存,它的实现利用了java中的强引用(直接对对象的引用都是强引用)和弱引用(SoftReference)各自的同特点。

    在这一篇博客中将会为大家讲解如何将下载回来的图片进行缓存,为了节约流量,并且提高下一次显示图片的速度,避免每次调用getView的时候都去从网络下载图片,就必须用到缓存。

    单一的强引用缓存

    一个最简单的缓存实现就是将我们的对象(由于是缓存图片,这里就是BitMap对象)放入到一个集合当中,下一次需要这个BitMap的时候就不需要再次从网络上取了,而是直接从这个集合(内存)中取就行了。如下:

    HashMap<String, Bitmap> mCache;

    HashMap这中键值对形式的集合非常适合我们的场景,每一张图片的URL是唯一的,因此可以作为键,而图片的BitMap对象最为值。当我们从网上下载下来一张图片并已经转换成BitMap之后,我们通过如下代码放入到缓存中:

    mCache.put("urlstr",bitmap);

    下次如果再需要这张图片就不需要开启线程来获取了,直接在缓存中获取,如下:

    mCache.get("urlstr");

    经过实际测试,安卓ImageView上显示BitMap速度是非常快的,完全不会造成卡顿,现在我们显示一张图片就跟TextView显示文字一样流畅。

    但是这中缓存方式完全没有考虑占用内存大小的情况,假设我们的listView滑动很快,而listView的Item个数又非常多,如果一个BitMap达到100K的话,1000个Item就能占用100m的内存,很容易发生Out Of  Memory的情况。因此我们必须对缓存的大小进行控制。

    直接缓存BitMap对象的引用称为强引用,Java虚拟机宁愿抛出OutOfMemoryError错误,使程序异常终止,也不会靠随意回收具有强引用的对象来解决内存不足的问题,因此我们把强引用换成软引用

    单一的软引用缓存

    一般对软引用是这样解释的:如果一个对象只具有软引用,则内存空间足够,垃圾回收器就不会回收它;如果内存空间不足了,就会回收这些对象的内存。只要垃圾回收器没有回收它,该对象就可以被程序使用。软引用可用来实现内存敏感的高速缓存。

    软引用实现缓存的方法:

    先定义一个HashMap

    1
    HashMap<String, SoftReference<BitMap>> imageCache = new HashMap<String, SoftReference<BitMap>>()

    同样是HashMap,只不过换成了对BitMap的软引用。

    放入缓存

    imageCache.put(mImageUrl, newSoftReference<BitMap>(bitmap));

    从缓存中取出

    1
    2
    3
    4
    (imageCache.containsKey(mImageUrl)) {
       SoftReference<BitMap> softReference = imageCache.get(mImageUrl);
       BitMap bitmap = softReference.get();
    }

    采用软引用之后我们解决了内存占用的问题,但是远远不够,我们发现软引用被回收的几率很高,几乎可以说没有达到缓存的效果,很多时候我们从缓存中取不出BitMap来,因为被回收了,也就是说在这样的缓存中,命中率很低。软引用解决了缓存大小的问题,却背离了缓存设计的初衷。

    双缓存(二级缓存)

    正因为单一的强引用缓存和软引用缓存都有各自的缺点,因此我何不将两者结合起来,吸取他们的优点呢?

    解决方案:设置两级缓存,第一级用LinkedHashMap<String,Bitmap>保留Bitmap的强引用,但是控制缓存的大小MAX_CAPACITY=10,当继续向该缓存中存数据的时候,将会把一级缓存中的最近最少使用的元素放入二级缓存ConcurrentHashMap<String, SoftReference<Bitmap>>,二级缓存中保留的Bitmap的软引用,这样的设计更具有弹性。


    为什么这次我们没有用HashMap而是用LinkedHashMap和ConcurrentHashMap呢,从下面的代码中你可以看到LinkedHashMap有个removeEldestEntry()方法,该方法能自动在内存不够的时候被调用。而软引用我们是用的ConcurrentHashMap来存储,因为他支持高并发,这里也可以直接用HashMap,因为很多人都是用的ConcurrentHashMap,我也就跟风了。

    下面我将二级缓存的实现封装在了一个类中。

    代码如下:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    82
    83
    84
    85
    86
    87
    88
    89
    90
    91
    92
    93
    94
    95
    96
    97
    package com.jcodecraeer.client.common;
    import java.lang.ref.SoftReference;
    import java.util.Collections;
    import java.util.HashMap;
    import java.util.Iterator;
    import java.util.LinkedHashMap;
    import java.util.Map;
    import java.util.Map.Entry;
    import java.util.concurrent.ConcurrentHashMap;
    import android.graphics.Bitmap;
    import android.util.Log;
    public class ImageCache {
        private static final int MAX_CAPACITY = 50;// 一级缓存的最大空间
        private static final long DELAY_BEFORE_PURGE = 10 * 1000;// 定时清理缓存
        // 0.75是加载因子为经验值,true则表示按照最近访问量的高低排序,false则表示按照插入顺序排序
        private HashMap<String, Bitmap> mFirstLevelCache = new LinkedHashMap<String, Bitmap>(
                MAX_CAPACITY / 2, 0.75f, true) {
            protected boolean removeEldestEntry(Entry<String, Bitmap> eldest) {
                if (size() > MAX_CAPACITY) {// 当超过一级缓存阈值的时候,将老的值从一级缓存搬到二级缓存
                    mSecondLevelCache.put(eldest.getKey(),
                            new SoftReference<Bitmap>(eldest.getValue()));
                    return true;
                }
                return false;
            };
        };
        // 二级缓存,采用的是软应用,只有在内存吃紧的时候软应用才会被回收,有效的避免了oom
        private ConcurrentHashMap<String, SoftReference<Bitmap>> mSecondLevelCache = new ConcurrentHashMap<String, SoftReference<Bitmap>>(
                MAX_CAPACITY / 2);
        /**
         * 放入缓存
         *
         * @param url
         * @param value
         */
        public void addBitmap2Cache(String url, Bitmap value) {
            if (value == null || url == null) {
                return;
            }
            synchronized (mFirstLevelCache) {
                mFirstLevelCache.put(url, value);
            }
        }
        /**
         * 从缓存中获取
         *
         * @param url
         * @param value
         */
        public Bitmap getBitmapFromCache(String url) {
            Bitmap bitmap = null;
            bitmap = getFromFirstLevelCache(url);// 从一级缓存中拿
            if (bitmap != null) {
                return bitmap;
            }
            bitmap = getFromSecondLevelCache(url);// 从二级缓存中拿
            return bitmap;
        }
        /**
         * 从二级缓存中拿
         *
         * @param url
         * @return
         */
        private Bitmap getFromSecondLevelCache(String url) {
            Bitmap bitmap = null;
            SoftReference<Bitmap> softReference = mSecondLevelCache.get(url);
            if (softReference != null) {
                bitmap = softReference.get();
                if (bitmap == null) {// 由于内存吃紧,软引用已经被gc回收了
                    mSecondLevelCache.remove(url);
                }
            }
            return bitmap;
        }
        /**
         * 从一级缓存中拿
         *
         * @param url
         * @return
         */
        private Bitmap getFromFirstLevelCache(String url) {
            Bitmap bitmap = null;
            synchronized (mFirstLevelCache) {
                bitmap = mFirstLevelCache.get(url);
                if (bitmap != null) {// 将最近访问的元素放到链的头部,提高下一次访问该元素的检索速度(LRU算法)
                    mFirstLevelCache.remove(url);
                    mFirstLevelCache.put(url, bitmap);
                }
            }
            return bitmap;
        }
        public void clear() {
            mFirstLevelCache.clear();
            mSecondLevelCache.clear();
        }
    }

    现在我们只需三步就能完成这个二级缓存了。

    新建缓存对象:

    1
    private ImageCache imageCache = new ImageCache();

    将BitMap放入缓存:

    1
    imageCache.addBitmap2Cache(mImageUrl, bitmap);

    从缓存中获取BitMap:

    1
    Bitmap bitmap = imageCache.getBitmapFromCache(mImageUrl);

    http://www.jcodecraeer.com/a/anzhuokaifa/androidkaifa/2013/0920/1554.html

  • 相关阅读:
    git操作
    致橡树
    python 3.8 下安装 tensorflow 1.14
    TensorFlow
    内容充实丰富,情节引人入胜夺人眼球,后面的转折更是点睛之笔
    注册,监听,回调....
    技术,制度,文化
    协议 标准, 框架 ,规范
    ES数据同步方案
    成立思维课
  • 原文地址:https://www.cnblogs.com/yc3120/p/4466824.html
Copyright © 2020-2023  润新知