用双缓存技术优化listview异步加载网络图片
2013-09-20 14:24 1977 0
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
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, new``SoftReference<BitMap>(bitmap));
从缓存中取出
(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>，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：
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：
private ImageCache imageCache = new ImageCache();
将BitMap放入缓存：
imageCache.addBitmap2Cache(mImageUrl, bitmap);
从缓存中获取BitMap：
Bitmap bitmap = imageCache.getBitmapFromCache(mImageUrl);
