• 图片的内存缓存控制


    从网上找到的,自己整理了下:


        public class MemoryCache
        {
            private static final String TAG = "MemoryCache";
            /**
             * 放入缓存时是个同步操作
             * LinkedHashMap构造方法的最后一个参数true代表这个map里的元素将按照最近使用次数由少到多排列,即LRU
             * 这样的好处是如果要将缓存中的元素替换,则先遍历出最近最少使用的元素来替换以提高效率
             */
            private Map<String, Bitmap> mCache = Collections.synchronizedMap(new LinkedHashMap<String, Bitmap>(10, 1.5f, true));
            /**
             * 缓存中图片所占用的字节,初始0,将通过此变量严格控制缓存所占用的堆内存
             */
            private long mSize = 0;
            /**
             * 缓存只能占用的最大堆内存
             */
            private long mLimit = 1000000;
    
            public MemoryCache() {
                setLimit(Runtime.getRuntime().maxMemory() / 10);
            }
    
            /**
             * 设置内存使用上限
             * @param limit
             */
            public void setLimit(long limit)  {
                mLimit = limit;
                Log.i(TAG, "MemoryCache will use up to " + (mLimit / 1024. / 1024.) + "MB");
            }
    
            /**
             * 获取内存中缓存的图片资源
             *
             * @param key
             * @return
             */
            public Bitmap get(String key) {
                try {
                    if (! mCache.containsKey(key)) return null;
                    return mCache.get(key);
                } catch (NullPointerException ex) {
                    return null;
                }
            }
    
            /**
             * 将图片资源缓存到内存
            *
             * @param key
             * @param bitmap
             */
            public void put(String key, Bitmap bitmap) {
                try {
                if (mCache.containsKey(key))
                    mSize -= getSizeInBytes(mCache.get(key));
                    mCache.put(key, bitmap);
                    // 累计当前缓存已使用的内存大小
                    mSize += getSizeInBytes(bitmap);
                    checkSize();
                } catch (Throwable th) {
                    th.printStackTrace();
                }
            }
    
            /**
             * 检测图片缓存的内存占用
             */
            private void checkSize()
            {
                Log.i(TAG, "cache size=" + mSize + " length=" + mCache.size());
                if (mSize > mLimit) {
                    // 先遍历最近最少使用的元素
                    Iterator<Map.Entry<String, Bitmap>> iterator = mCache.entrySet().iterator();
                    while (iterator.hasNext()) {
                        Map.Entry<String, Bitmap> entry = iterator.next();
                        mSize -= getSizeInBytes(entry.getValue());
                        iterator.remove();
                        if (mSize <= mLimit)
                            break;
                    }
                    Log.i(TAG, "Clean cache. New size " + mCache.size());
                }
            }
    
            /**
             * 清空内存缓存
             */
            public void clear() {
                mCache.clear();
            }
    
            /**
             * 图片占用的内存
             *
             * @param bitmap
             * @return
             */
            long getSizeInBytes(Bitmap bitmap) {
                if (bitmap == null)
                    return 0;
                return bitmap.getRowBytes() * bitmap.getHeight();
            }
        }

    首先限制内存图片缓冲的堆内存大小,每次有图片往缓存里加时判断是否超过限制大小,超过的话就从中取出最少使用的图片并将其移除,当然这里如果不采用这种方式,换做软引用也是可行的,二者目的皆是最大程度的利用已存在于内存中的图片缓存,避免重复制造垃圾增加GC负担,OOM溢出往往皆因内存瞬时大量增加而垃圾回收不及时造成的。只不过二者区别在于LinkedHashMap里的图片缓存在没有移除出去之前是不会被GC回收的,而SoftReference里的图片缓存在没有其他引用保存时随时都会被GC回收。所以在使用LinkedHashMap这种LRU算法缓存更有利于图片的有效命中,当然二者配合使用的话效果更佳,即从LinkedHashMap里移除出的缓存放到SoftReference里,这就是内存的二级缓存,有兴趣的童鞋不凡一试。

    原文:http://www.eoeandroid.com/thread-254866-1-1.html

  • 相关阅读:
    如何更好地谋生,从事嵌入式软件开发五年的感悟和职业焦虑
    在url中使用friendly_id
    关于盒模型的一个CSS3样式
    配置discourse的相关资料
    关于手机端触摸样式
    这样阻止事件冒泡
    paypal中使用循环付款的问题
    封装事件的添加和移除状态
    input 标签在做动画时的bug
    模拟了个iphone上面的select框 需要下载iscroll
  • 原文地址:https://www.cnblogs.com/zhouzme/p/5758507.html
Copyright © 2020-2023  润新知