Glide缓存源码解析

最新推荐文章于 2024-04-28 22:36:26 发布

原创最新推荐文章于 2024-04-28 22:36:26 发布 · 992 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#源码 #缓存 #图片

Android 专栏收录该内容

27 篇文章

订阅专栏

上一篇讲了Glide加载图片的整个流程的源码的解析，写了很长，因为Glide的源码比较复杂，没看过的朋友，可以去看一下：http://blog.youkuaiyun.com/jieqiang3/article/details/76599815。因为上一篇文章篇幅太长的缘故，所以，缓存这一块就打算另起一篇了说了。。ok，废话就不多少了，进入正题。

先大致讲一下Glide的缓存流程吧，其实在这方面目前流行的一些图片加载的框架还是比较统一的，Glide的缓存机制分为两层，第一层是内存缓存，第二层就是硬盘缓存。首页，会在内存中先缓存，然后将资源缓存到内存里。至于加载的时候呢，一开始先去检查内存这一层级有没有缓存，有的话则直接加载，没有的话则到硬盘缓存这一层里去检查是否有缓存，有的话直接加载，没有的话，就只能去网络加载了。

ok，先来讲内存缓存，内存缓存Glide是默认自动开启了的，当然你也可能遇到特殊情况会需要把Glide内存缓存这个功能去掉，Glide也提供了方法来支持开发者去掉；

Glide.with(context)
     .load(url)
     .skipMemoryCache(true)    //禁止内存缓存的功能
     .into(imageView);

在上一篇Glide加载图片的流程中我们知道，Glide.get(context)的时候创建了一个GlideBuilder对象，这个对象创建了一个glide对象，我们来关注这个创建的过程，也就是createGlide()方法：

Glide createGlide() {
        if (sourceService == null) {
            final int cores = Math.max(1, Runtime.getRuntime().availableProcessors());
            sourceService = new FifoPriorityThreadPoolExecutor(cores);
        }
        if (diskCacheService == null) {
            diskCacheService = new FifoPriorityThreadPoolExecutor(1);
        }

        MemorySizeCalculator calculator = new MemorySizeCalculator(context);
        if (bitmapPool == null) {
            if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.HONEYCOMB) {
                int size = calculator.getBitmapPoolSize();
                bitmapPool = new LruBitmapPool(size);
            } else {
                bitmapPool = new BitmapPoolAdapter();
            }
        }

        if (memoryCache == null) {
            memoryCache = new LruResourceCache(calculator.getMemoryCacheSize());
        }

        if (diskCacheFactory == null) {
            diskCacheFactory = new InternalCacheDiskCacheFactory(context);
        }

        if (engine == null) {
            engine = new Engine(memoryCache, diskCacheFactory, diskCacheService, sourceService);
        }

        if (decodeFormat == null) {
            decodeFormat = DecodeFormat.DEFAULT;
        }

        return new Glide(engine, memoryCache, bitmapPool, context, decodeFormat);
    }

这段代码充分说明了文章开始我说的Glide的二级缓存原理。这里创建了一个bitmapPool的对象，这个BitmapPool其实是为了复用bitmap的对象，也就是防止频繁的去创建bitmap的作用。我们先看一下bitmapPool的创建流程，因为getBitmapPoolSize()方法就是return了bitmapPoolSize这个变量，所以我就定位到MemorySizeCalculator类的构造方法：

// Visible for testing.
    MemorySizeCalculator(Context context, ActivityManager activityManager, ScreenDimensions screenDimensions) {
        this.context = context;
        final int maxSize = getMaxSize(activityManager);

        final int screenSize = screenDimensions.getWidthPixels() * screenDimensions.getHeightPixels()
                * BYTES_PER_ARGB_8888_PIXEL;

        int targetPoolSize = screenSize * BITMAP_POOL_TARGET_SCREENS;
        int targetMemoryCacheSize = screenSize * MEMORY_CACHE_TARGET_SCREENS;

        if (targetMemoryCacheSize + targetPoolSize <= maxSize) {
            memoryCacheSize = targetMemoryCacheSize;
            bitmapPoolSize = targetPoolSize;
        } else {
            int part = Math.round((float) maxSize / (BITMAP_POOL_TARGET_SCREENS + MEMORY_CACHE_TARGET_SCREENS));
            memoryCacheSize = part * MEMORY_CACHE_TARGET_SCREENS;
            bitmapPoolSize = part * BITMAP_POOL_TARGET_SCREENS;
        }

        if (Log.isLoggable(TAG, Log.DEBUG)) {
            Log.d(TAG, "Calculated memory cache size: " + toMb(memoryCacheSize) + " pool size: " + toMb(bitmapPoolSize)
                    + " memory class limited? " + (targetMemoryCacheSize + targetPoolSize > maxSize) + " max size: "
                    + toMb(maxSize) + " memoryClass: " + activityManager.getMemoryClass() + " isLowMemoryDevice: "
                    + isLowMemoryDevice(activityManager));
        }
    }

我们发现BitmapPool的大小是根据当前设备的屏幕大小和可用内存计算得到的。当然，如果开发者想要自定义配置BitmapPool的大小也很简单，MemoryCategory提供了三个常量可供开发者选择，HIGH\NORMAL\LOW，分别是初识缓存大小的1.5、1.0、0.5倍。在一些有大量图片加载的页面上的时候建议加大BitmapPool的缓存大小，这样可以加快图片的缓存速度，从而提升性能。
扯远了，回到createGlide()方法，我们发现创建了一个LruResourceCache对象memoryCache，这也就是我们内存缓存的东西了。我们来看LruResourece类：

public class LruResourceCache extends LruCache<Key, Resource<?>> implements MemoryCache {
    private ResourceRemovedListener listener;

    /**
     * Constructor for LruResourceCache.
     *
     * @param size The maximum size in bytes the in memory cache can use.
     */
    public LruResourceCache(int size) {
        super(size);
    }

    @Override
    public void setResourceRemovedListener(ResourceRemovedListener listener) {
        this.listener = listener;
    }

    @Override
    protected void onItemEvicted(Key key, Resource<?> item) {
        if (listener != null) {
            listener.onResourceRemoved(item);
        }
    }

    @Override
    protected int getSize(Resource<?> item) {
        return item.getSize();
    }

    @SuppressLint("InlinedApi")
    @Override
    public void trimMemory(int level) {
        if (level >= android.content.ComponentCallbacks2.TRIM_MEMORY_MODERATE) {
            // Nearing middle of list of cached background apps
            // Evict our entire bitmap cache
            clearMemory();
        } else if (level >= android.content.ComponentCallbacks2.TRIM_MEMORY_BACKGROUND) {
            // Entering list of cached background apps
            // Evict oldest half of our bitmap cache
            trimToSize(getCurrentSize() / 2);
        }
    }
}

我们发现这个类继承了LruCache类，也就是说Glide内存缓存是通过LruCache算法实现的，也就是近期最少使用算法。其实就是把强引用对象保存到LinkedHashMap里，然后在内存空间快要用光的时候，把最近最少使用的对象从内存中去掉。LruCache这个类我相信一个学Android的入门学图片缓存的时候都接触过，网上也有很多很详细的解释，这里就不详述了。。
回到createGlide()方法，创建了LruResourceCache对象memoryCache之后，传入了Engine类中，并且创建了一个他的对象，Engine这个类我们应该很熟悉，在上一篇谈论加载流程的文章中我们探讨过这个类，ok，那就再来以缓存的角度再来看一下这个类。这里重点来看load方法：

public <T, Z, R> LoadStatus load(Key signature, int width, int height, DataFetcher<T> fetcher,
            DataLoadProvider<T, Z> loadProvider, Transformation<Z> transformation, ResourceTranscoder<Z, R> transcoder,
            Priority priority, boolean isMemoryCacheable, DiskCacheStrategy diskCacheStrategy, ResourceCallback cb) {
        Util.assertMainThread();
        long startTime = LogTime.getLogTime();

        final String id = fetcher.getId();
        EngineKey key = keyFactory.buildKey(id, signature, width, height, loadProvider.getCacheDecoder(),
                loadProvider.getSourceDecoder(), transformation, loadProvider.getEncoder(),
                transcoder, loadProvider.getSourceEncoder());

        EngineResource<?> cached = loadFromCache(key, isMemoryCacheable);
        if (cached != null) {
            cb.onResourceReady(cached);
            if (Log.isLoggable(TAG, Log.VERBOSE)) {
                logWithTimeAndKey("Loaded resource from cache", startTime, key);
            }
            return null;
        }

        EngineResource<?> active = loadFromActiveResources(key, isMemoryCacheable);
        if (active != null) {
            cb.onResourceReady(active);
            if (Log.isLoggable(TAG, Log.VERBOSE)) {
                logWithTimeAndKey("Loaded resource from active resources", startTime, key);
            }
            return null;
        }

        EngineJob current = jobs.get(key);
        if (current != null) {
            current.addCallback(cb);
            if (Log.isLoggable(TAG, Log.VERBOSE)) {
                logWithTimeAndKey("Added to existing load", startTime, key);
            }
            return new LoadStatus(cb, current);
        }

        EngineJob engineJob = engineJobFactory.build(key, isMemoryCacheable);
        DecodeJob<T, Z, R> decodeJob = new DecodeJob<T, Z, R>(key, width, height, fetcher, loadProvider, transformation,
                transcoder, diskCacheProvider, diskCacheStrategy, priority);
        EngineRunnable runnable = new EngineRunnable(engineJob, decodeJob, priority);
        jobs.put(key, engineJob);
        engineJob.addCallback(cb);
        engineJob.start(runnable);

        if (Log.isLoggable(TAG, Log.VERBOSE)) {
            logWithTimeAndKey("Started new load", startTime, key);
        }
        return new LoadStatus(cb, engineJob);
    }

首先，我们发现了Glide生成key的规律，现调用了fetcher.getId()方法获得一个id，然后将这个id和signature, width, height,loadProvide.getCacheDecoder()等都传进去，然后生成了一个key值，所以Glide缓存不会出现key重复的现象。接下去往下看，我们看到了两个方法，一个是loadFromCache，一个是loadFromActiviveResources，先调用前者，如果获取到就直接调用cb.onResourceReady(cached)回调成功，否则则调用后者成功则一样，如果两者都不成功，接下去的就是开启线程去加载图片的逻辑了。。。
ok，先来看loadFromCache方法：

 private EngineResource<?> loadFromCache(Key key, boolean isMemoryCacheable) {
        if (!isMemoryCacheable) {
            return null;
        }

        EngineResource<?> cached = getEngineResourceFromCache(key);
        if (cached != null) {
            cached.acquire();
            activeResources.put(key, new ResourceWeakReference(key, cached, getReferenceQueue()));
        }
        return cached;
    }

    @SuppressWarnings("unchecked")
    private EngineResource<?> getEngineResourceFromCache(Key key) {
        Resource<?> cached = cache.remove(key);

        final EngineResource result;
        if (cached == null) {
            result = null;
        } else if (cached instanceof EngineResource) {
            // Save an object allocation if we've cached an EngineResource (the typical case).
            result = (EngineResource) cached;
        } else {
            result = new EngineResource(cached, true /*isCacheable*/);
        }
        return result;
    }

这里调用了getEngineResourceFromCache方法来获取缓存，可以看到，首先调用了cache.remove(key)，这个cache是什么呢，往上看其实就是之前从LruResourceCache 中获取到的缓存图片，然后加入到activeResources中，put的过程中传入了一个新建的ResourceWeakReference，这里用到了弱引用，其实只是为了保护这些图片防治被Lrucache算法回收。
再来看loadFromActiveResources方法：

private EngineResource<?> loadFromActiveResources(Key key, boolean isMemoryCacheable) {
        if (!isMemoryCacheable) {
            return null;
        }

        EngineResource<?> active = null;
        WeakReference<EngineResource<?>> activeRef = activeResources.get(key);
        if (activeRef != null) {
            active = activeRef.get();
            if (active != null) {
                active.acquire();
            } else {
                activeResources.remove(key);
            }
        }

        return active;
    }

其实就是从刚才到activeResources中取出刚才存进去的图片资源。
ok，内存缓存的逻辑基本上就是这些了。。。

再来讲讲硬盘缓存，上篇文章中我们在提Glide用法的时候有提到4个缓存参数，也就是基本的Glide对于硬盘缓存的配置。
在上一篇Glide加载流程中我们已经知道，我们是在DecodeJob类下的loadData()获取图片，然后通过decodeSource()方法解码获取图片资源的。ok，我们再贴一下这个方法的代码：

private Resource<T> decodeFromSourceData(A data) throws IOException {
    final Resource<T> decoded;
    if (diskCacheStrategy.cacheSource()) {
        decoded = cacheAndDecodeSourceData(data);
    } else {
        long startTime = LogTime.getLogTime();
        decoded = loadProvider.getSourceDecoder().decode(data, width, height);
    }
    return decoded;
}

private Resource<T> cacheAndDecodeSourceData(A data) throws IOException {
    long startTime = LogTime.getLogTime();
    SourceWriter<A> writer = new SourceWriter<A>(loadProvider.getSourceEncoder(), data);
    diskCacheProvider.getDiskCache().put(resultKey.getOriginalKey(), writer);
    startTime = LogTime.getLogTime();
    Resource<T> result = loadFromCache(resultKey.getOriginalKey());
    return result;
}

我们会发现，这个方法中，先去判断了是否允许缓存图片，也就是之前的配置，如果允许，就去调用cacheAndDecodeSourceData()方法，然后我们再来看这个方法，这个方法一目了然，首先调用了getDiskCache()方法获取实例对象，然后调用put()方法写入缓存。这里我们发现，key的值跟之前内存缓存那里有些不同，让我们看看getOriginalKey()方法

public Key getOriginalKey() {
        if (originalKey == null) {
            originalKey = new OriginalKey(id, signature);
        }
        return originalKey;
    }

其实也好理解，硬盘缓存缓存的本来就是原始图片，所以不需要内存缓存那里这么多图片参数，所以也就很简单了。回到之前cacheAndDecodeSourceData方法，了解了key之后，我们来看loadFromCache()方法；

private Resource<T> loadFromCache(Key key) throws IOException {
        File cacheFile = diskCacheProvider.getDiskCache().get(key);
        if (cacheFile == null) {
            return null;
        }

        Resource<T> result = null;
        try {
            result = loadProvider.getCacheDecoder().decode(cacheFile, width, height);
        } finally {
            if (result == null) {
                diskCacheProvider.getDiskCache().delete(key);
            }
        }
        return result;
    }

这段代码其实就是一个通过key得到硬盘缓存的图片，如果空返回null，如果不空则做相应解码操作以后并返回这么一个逻辑过程，差不多就是这样。

相对Glide加载流程来说，缓存这篇篇幅就短了很多，因为很多主要流程其实在上一篇都已经提到了。Glide整体来说封装还是很出色的，源码结构还是比较复杂的，外放了很多接口方法供开发者使用，接下去会去探究下Fresco的源码，据说源码角度来说会比Glide简单一点，希望能对两个框架做一个深层次的比较。。。。