你好,游客 登录
背景:
阅读新闻

Android源码分析:手把手带你深入了解Glide的缓存机制

[日期:2018-04-01] 来源:稀土掘金  作者: [字体: ]
  • Glide,该功能非常强大 Android图片加载开源框架 相信大家并不陌生

  • 正由于他的功能强大,所以它的源码非常复杂,这导致很多人望而却步

  • 本人尝试将 Glide的功能进行分解,并单独针对每个功能进行源码分析,从而降低 Glide源码的复杂度。

接下来,我将推出一系列关于 Glide的功能源码分析,有兴趣可以继续关注

  • 今天,我将主要针对 Glide的图片缓存功能 进行流程 & 源码分析 ,希望你们会喜欢。

由于文章较长,希望读者先收藏 & 预留足够时间进行查看。

目录

1. Glide缓存机制简介

1.1 缓存的图片资源

Glide需要缓存的 图片资源 分为两类:

  • 原始图片( Source) :即图片源的图片初始大小 & 分辨率

  • 转换后的图片( Result) :经过 尺寸缩放 和 大小压缩等处理后的图片

当使用 Glide加载图片时,Glide默认 根据 View视图对图片进行压缩 & 转换,而不显示原始图(这也是 Glide加载速度高于 Picasso的原因)

1.2 缓存机制设计

  • Glide的缓存功能设计成 二级缓存:内存缓存 & 硬盘缓存

并不是三级缓存, 因为 从网络加载 不属于缓存

  • 缓存读取顺序:内存缓存 --> 磁盘缓存 --> 网络

  1. 内存缓存 默认开启

  2. Glide中,内存缓存 & 磁盘缓存相互不影响,独立配置

  • 二级缓存的作用不同:

    只 缓存转换过后的图片

    可缓存原始图片 & 缓存转换过后的图片,用户自行设置

    1. 硬盘缓存:防止应用 重复从网络或其他地方重复下载和读取数据

    1. 内存缓存:防止应用 重复将图片数据 读取到内存当中

Glide的缓存机制使得 Glide具备非常好的图片缓存效果,从而使得具备较高的图片加载效率。

如,在 RecyclerView上下滑动,而 RecyclerView中只要是 Glide加载过的图片,都可以直接从内存中读取 & 展示,从而不需要重复从 网络或硬盘上读取,提高图片加载效率。

2. Glide 缓存功能介绍

  • Glide的缓存功能分为:内存缓存 & 磁盘缓存

  • 具体介绍如下

2.1 内存缓存

  • 作用:防止应用 重复将图片数据 读取到内存当中

只 缓存转换过后的图片,而并非原始图片

  • 具体使用 默认情况下, Glide自动开启 内存缓存

// 默认开启内存缓存,用户不需要作任何设置Glide.with(this) .load(url) .into(imageView);// 可通过 API 禁用 内存缓存功能Glide.with(this) .load(url) .skipMemoryCache(true) // 禁用 内存缓存
.into(imageView);

  • 实现原理 Glide的内存缓存实现是基于: LruCache算法( Least Recently Used) & 弱引用机制

  1. LruCache算法原理:将 最近使用的对象 用强引用的方式存储在 LinkedHashMap中 ;当缓存满时 , 将最近最少使用的对象从内存中移除

  2. 弱引用:弱引用的对象具备更短生命周期,因为 **当 JVM进行垃圾回收时,一旦发现弱引用对象,都会进行回收(无论内存充足否)

2.2 磁盘缓存

  • 作用:防止应用 重复从网络或其他地方重复下载和读取数据

可缓存原始图片 & 缓存转换过后的图片,用户自行设置

  • 具体使用

Glide.with(this) .load(url) .diskCacheStrategy(DiskCacheStrategy.NONE) .into(imageView);// 缓存参数说明// DiskCacheStrategy.NONE:不缓存任何图片,即禁用磁盘缓存// DiskCacheStrategy.ALL :缓存原始图片 & 转换后的图片// DiskCacheStrategy.SOURCE:只缓存原始图片(原来的全分辨率的图像,即不缓存转换后的图片)// DiskCacheStrategy.RESULT:(默认)只缓存转换后的图片(即最终的图像:降低分辨率后 / 或者转换后 ,不缓存原始图片

  • 实现原理 使用 Glide自定义的 DiskLruCache算法

  1. 该算法基于 Lru算法中的 DiskLruCache算法,具体应用在磁盘缓存的需求场景中

  2. 该算法被封装到 Glide自定义的工具类中(该工具类基于 Android提供的 DiskLruCache工具类

3. Glide 缓存流程 解析

  • Glide整个缓存流程 从 加载图片请求开始,其中过程 有本文最关注的 内存缓存的读取 & 写入、磁盘缓存的读取 & 写入

  • 具体如下

下面,我将根据 Glide缓存流程中的每个步骤 进行源码分析。

4. 缓存流程 源码分析

步骤1:生成缓存Key

  • Glide实现内存 & 磁盘缓存 是根据 图片的缓存Key进行唯一标识

即根据 图片的缓存Key 去缓存区找 对应的缓存图片

  • 生成缓存 Key的代码发生在 Engine类的 load()

#该代码在上一篇文章当中已分析过,只是当时忽略了缓存相关的内容,现在仅贴出缓存相关的代码

public class Engine implements EngineJobListener, MemoryCache.ResourceRemovedListener, EngineResource.ResourceListener { 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(); // 获得了一个id字符串,即需加载图片的唯一标识
// 如,若图片的来源是网络,那么该id = 这张图片的url地址
EngineKey key = keyFactory.buildKey(id, signature, width, height, loadProvider.getCacheDecoder(),loadProvider.getSourceDecoder(), transformation, loadProvider.getEncoder(),transcoder, loadProvider.getSourceEncoder()); // Glide的缓存Key生成规则复杂:根据10多个参数生成
// 将该id 和 signature、width、height等10个参数一起传入到缓存Key的工厂方法里,最终创建出一个EngineKey对象
// 创建原理:通过重写equals() 和 hashCode(),保证只有传入EngineKey的所有参数都相同情况下才认为是同一个EngineKey对象
// 该EngineKey 即Glide中图片的缓存Key
...
}

至此, Glide的图片缓存 Key生成完毕。

步骤2:创建缓存对象 LruResourceCache

  • LruResourceCache对象是在创建 Glide对象时创建的

  • #而 创建 Glide对象则是在上篇文章 讲解 Glide图片加载功能时 第2步 load()中 loadGeneric()创建 ModelLoader对象时创建的

  • 请看源码分析

<-- 第2步load()中的loadGeneric()--> private <T> DrawableTypeRequest<T> loadGeneric(Class<T> modelClass) {
...
ModelLoader<T, InputStream> streamModelLoader = Glide.buildStreamModelLoader(modelClass, context); // 创建第1个ModelLoader对象;作用:加载图片
// Glide会根据load()方法传入不同类型参数,得到不同的ModelLoader对象
// 此处传入参数是String.class,因此得到的是StreamStringLoader对象(实现了ModelLoader接口)
// Glide.buildStreamModelLoader()分析 ->>分析1<--分析1:Glide.buildStreamModelLoader() -->public class Glide { public static <T, Y> ModelLoader<T, Y> buildModelLoader(Class<T> modelClass, Class<Y> resourceClass,
Context context) { if (modelClass == null) { if (Log.isLoggable(TAG, Log.DEBUG)) {
Log.d(TAG, "Unable to load null model, setting placeholder only");
} return null;
} return Glide.get(context).getLoaderFactory().buildModelLoader(modelClass, resourceClass); // 创建ModelLoader对象时,调用Glide.get() 创建Glide对象-->分析2
}
<--分析2:Glide.get() -->// 作用:采用单例模式创建Glide对象
public static Glide get(Context context) { // 实现单例功能
if (glide == null) { synchronized (Glide.class) { if (glide == null) {
Context applicationContext = context.getApplicationContext();
List<GlideModule> modules = new ManifestParser(applicationContext).parse();
GlideBuilder builder = new GlideBuilder(applicationContext); for (GlideModule module : modules) { module.applyOptions(applicationContext, builder);
}
glide = builder.createGlide(); // 通过建造者模式创建Glide对象 ->>分析3
for (GlideModule module : modules) { module.registerComponents(applicationContext, glide);
}
}
}
} return glide;
}
}

<--分析3:builder.createGlide() -->// 作用:创建Glide对象public class GlideBuilder {
... Glide createGlide() {
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()); // 创建一个LruResourceCache对象 并 赋值到memoryCache对象
// 该LruResourceCache对象 = Glide实现内存缓存的LruCache对象
}
return new Glide(engine, memoryCache, bitmapPool, context, decodeFormat);
}
}

至此,创建好了缓存对象 LruResourceCache

步骤3:从 内存缓存 中获取缓存图片

  • Glide在图片加载前就会从 内存缓存 中获取缓存图片

  • 读取内存缓存代码 是在 Engine类的 load()

即上面讲解的生成缓存 Key的地方

  • 源码分析

public class Engine implements EngineJobListener, MemoryCache.ResourceRemovedListener, EngineResource.ResourceListener {
...
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(); final String id = fetcher.getId();
EngineKey key = keyFactory.buildKey(id, signature, width, height, loadProvider.getCacheDecoder(),
loadProvider.getSourceDecoder(), transformation, loadProvider.getEncoder(),
transcoder, loadProvider.getSourceEncoder()); // 上面讲解的生成图片缓存Key
EngineResource<?> cached = loadFromCache(key, isMemoryCacheable); // 调用loadFromCache()获取内存缓存中的缓存图片
if (cached != null) {
cb.onResourceReady(cached);
} // 若获取到,就直接调用cb.onResourceReady()进行回调
EngineResource<?> active = loadFromActiveResources(key, isMemoryCacheable); if (active != null) {
cb.onResourceReady(active);
} // 若没获取到,就继续调用loadFromActiveResources()获取缓存图片
// 获取到也直接回调
// 若上述两个方法都没有获取到缓存图片,就开启一个新的线程准备加载图片
// 即从上文提到的 Glide最基础功能:图片加载
EngineJob current = jobs.get(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); return new LoadStatus(cb, engineJob);
}
...
}

即:

  • Glide将 内存缓存 划分为两块:一块使用了 LruCache算法 机制;另一块使用了弱引用 机制

  • 当 获取 内存缓存 时,会通过两个方法分别从上述两块区域进行缓存获取

  1. loadFromCache():从 使用了 LruCache算法机制的内存缓存获取 缓存

  2. loadFromActiveResources():从 使用了 弱引用机制的内存缓存获取 缓存

源码分析如下:

// 这2个方法属于 Engine 类public class Engine implements EngineJobListener, MemoryCache.ResourceRemovedListener, EngineResource.ResourceListener { private final MemoryCache cache; private final Map<Key, WeakReference<EngineResource<?>>> activeResources;
...
<-- 方法1:loadFromCache() -->// 原理:使用了 LruCache算法
private EngineResource<?> loadFromCache(Key key, boolean isMemoryCacheable) { if (!isMemoryCacheable) { return null; // 若isMemoryCacheable = false就返回null,即内存缓存被禁用
// 即 内存缓存是否禁用的API skipMemoryCache() - 请回看内存缓存的具体使用
// 若设置skipMemoryCache(true),此处的isMemoryCacheable就等于false,最终返回Null,表示内存缓存已被禁用
}
EngineResource<?> cached = getEngineResourceFromCache(key); // 获取图片缓存 ->>分析4
// 从分析4回来看这里:
if (cached != null) {
cached.acquire();
activeResources.put(key, new ResourceWeakReference(key, cached, getReferenceQueue())); // 将获取到的缓存图片存储到activeResources当中
// activeResources = 一个弱引用的HashMap:用于缓存正在使用中的图片
// 好处:保护这些图片不会被LruCache算法回收掉。 ->>方法2
} return cached;
}
<<- 分析4:getEngineResourceFromCache() ->>// 作用:获取图片缓存// 具体过程:根据缓存Key 从cache中 取值 // 注:此处的cache对象 = 在构建Glide对象时创建的LruResourceCache对象,即说明使用的是LruCache算法
private EngineResource<?> getEngineResourceFromCache(Key key) {
Resource<?> cached = cache.remove(key); // 当从LruResourceCache中获取到缓存图片后,会将它从缓存中移除->>回到方法1原处
final EngineResource result; if (cached == null) {
result = null;
} else if (cached instanceof EngineResource) {
result = (EngineResource) cached;
} else {
result = new EngineResource(cached, true /*isCacheable*/);
} return result;
}
<-- 方法2:loadFromActiveResources() -->// 原理:使用了 弱引用机制// 具体过程:当在方法1中无法获取内存缓存中的缓存图片时,就会从activeResources中取值// activeResources = 一个弱引用的HashMap:用于缓存正在使用中的图片
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;
}
...
}

若上述两个方法都没获取到缓存图片时(即内存缓存里没有该图片的缓存),就开启新线程加载图片。

  • 至此,获取内存缓存 的步骤讲解完毕。

  • 总结

步骤4:开启 加载图片 线程

  • 若无法从 内存缓存 里 获得缓存的图片, Glide就会开启 加载图片的线程

  • 但在该线程开启后, Glide并不会马上去网络 加载图片, 而是采取采用 Glide的第2级缓存:磁盘缓存 去获取缓存图片

  • 从 上篇文章: Android:这是一份全面 & 详细的图片加载库Glide源码分析中,在第3步 into()中开启图片线程 run()里的 decode()开始(上文的分析13)

private Resource<?> decode() throws Exception {// 在执行 加载图片 线程时(即加载图片时),分两种情况:// 情况1:从磁盘缓存当中读取图片(默认情况下Glide会优先从缓存当中读取,没有才会去网络源读取图片)// 情况2:不从磁盘缓存中读取图片// 情况1:从磁盘缓存中读取缓存图片
if (isDecodingFromCache()) { // 取决于在使用API时是否开启,若采用DiskCacheStrategy.NONE,即不缓存任何图片,即禁用磁盘缓存
return decodeFromCache(); // 读取磁盘缓存的入口就是这里,此处主要讲解 ->>直接看步骤4的分析9
} else { // 情况2:不从磁盘缓存中读取图片
// 即上文讨论的从网络读取图片,此处不作过多描述
return decodeFromSource();
}
}

步骤5:从 磁盘缓存 中获取缓存图片

若无法从 内存缓存 里 获得缓存的图片, Glide就会采用第2级缓存:磁盘缓存 去获取缓存图片

<--分析9:decodeFromCache() -->private Resource<?> decodeFromCache() throws Exception {
Resource<?> result = null;
result = decodeJob.decodeResultFromCache(); // 获取磁盘缓存时,会先获取 转换过后图片 的缓存
// 即在使用磁盘缓存时设置的模式,如果设置成DiskCacheStrategy.RESULT 或DiskCacheStrategy.ALL就会有该缓存
// 下面来分析decodeResultFromCache() ->>分析10
} if (result == null) {
result = decodeJob.decodeSourceFromCache(); // 如果获取不到 转换过后图片 的缓存,就获取 原始图片 的缓存
// 即在使用磁盘缓存时设置的模式,如果设置成DiskCacheStrategy.SOURCE 或DiskCacheStrategy.ALL就会有该缓存
// 下面来分析decodeSourceFromCache() ->>分析12
} return result;
}
<--分析10:decodeFromCache() -->public Resource<Z> decodeResultFromCache() throws Exception { if (!diskCacheStrategy.cacheResult()) { return null;
}
Resource<T> transformed = loadFromCache(resultKey); // 1. 根据完整的缓存Key(由10个参数共同组成,包括width、height等)获取缓存图片
// ->>分析11
Resource<Z> result = transcode(transformed); return result; // 2. 直接将获取到的图片 数据解码 并 返回
// 因为图片已经转换过了,所以不需要再作处理
// 回到分析9原处}
<--分析11:decodeFromCache() -->private Resource<T> loadFromCache(Key key) throws IOException {
File cacheFile = diskCacheProvider.getDiskCache().get(key); // 1. 调用getDiskCache()获取Glide自己编写的DiskLruCache工具类实例
// 2. 调用上述实例的get() 并 传入完整的缓存Key,最终得到硬盘缓存的文件
if (cacheFile == null) { return null; // 如果文件为空就返回null
}
Resource<T> result = null; try {
result = loadProvider.getCacheDecoder().decode(cacheFile, width, height);
} finally { if (result == null) {
diskCacheProvider.getDiskCache().delete(key);
}
} return result; // 如果文件不为空,则将它解码成Resource对象后返回
// 回到分析10原处}
<--分析12:decodeFromCache() -->public Resource<Z> decodeSourceFromCache() throws Exception { if (!diskCacheStrategy.cacheSource()) { return null;
}
Resource<T> decoded = loadFromCache(resultKey.getOriginalKey()); // 1. 根据缓存Key的OriginalKey来获取缓存图片
// 相比完整的缓存Key,OriginalKey只使用了id和signature两个参数,而忽略了大部分的参数
// 而signature参数大多数情况下用不到,所以基本是由id(也就是图片url)来决定的Original缓存Key
// 关于loadFromCache()同分析11,只是传入的缓存Key不一样
return transformEncodeAndTranscode(decoded); // 2. 先将图片数据 转换 再 解码,最终返回
}

  • 至此,硬盘缓存读取的源码分析完毕。

  • 总结

步骤6:从网络获取 图片资源

  • 在 Glide两级缓存机制里都没有该图片缓存时,只能去源头(如网络)去加载图片了

  • 但从网络加载图片前,需要先获取该图片的网络资源

  1. 此处先忽略该过程 #2. 若有兴趣的同学请看#该过程在请看文章

步骤7:写入 磁盘缓存

  • Glide将图片写入 磁盘缓存的时机:获取图片资源后 、图片加载完成前

  • 写入磁盘缓存又分为:将原始图片 写入 或 将转换后的图片写入磁盘缓存

  • 从 上篇文章: Android:这是一份全面 & 详细的图片加载库Glide源码分析中,在第3步 into()中执行图片线程 run()里的 decode()开始(上文的分析13) 此处重新贴出代码

private Resource<?> decode() throws Exception {// 在执行 加载图片 线程时(即加载图片时),分两种情况:// 情况1:从磁盘缓存当中读取图片(默认情况下Glide会优先从缓存当中读取,没有才会去网络源读取图片)// 情况2:不从磁盘缓存中读取图片// 情况1:从磁盘缓存中读取缓存图片
if (isDecodingFromCache()) { return decodeFromCache(); // 读取磁盘缓存的入口就是这里,上面已经讲解
} else { // 情况2:不从磁盘缓存中读取图片
// 即上文讨论的从网络读取图片,不采用缓存
// 写入磁盘缓存就是在 此处 写入的 ->>分析13
return decodeFromSource();
}
}
<--分析13:decodeFromSource() -->public Resource<Z> decodeFromSource() throws Exception {
Resource<T> decoded = decodeSource(); // 解析图片
// 写入原始图片 磁盘缓存的入口 ->>分析14
// 从分析16回来看这里
return transformEncodeAndTranscode(decoded); // 对图片进行转码
// 写入 转换后图片 磁盘缓存的入口 ->>分析17}
<--分析14:decodeSource() -->private Resource<T> decodeSource() throws Exception {
Resource<T> decoded = null; try { final A data = fetcher.loadData(priority); // 读取图片数据
if (isCancelled) { return null;
}
decoded = decodeFromSourceData(data); // 对图片进行解码 ->>分析15
} finally {
fetcher.cleanup();
} return decoded;
}
<--分析15:decodeFromSourceData() -->private Resource<T> decodeFromSourceData(A data) throws IOException { final Resource<T> decoded; // 判断是否允许缓存原始图片
// 即在使用 硬盘缓存API时,是否采用DiskCacheStrategy.ALL 或 DiskCacheStrategy.SOURCE
if (diskCacheStrategy.cacheSource()) {
decoded = cacheAndDecodeSourceData(data); // 若允许缓存原始图片,则调用cacheAndDecodeSourceData()进行原始图片的缓存 ->>分析16
} else {
long startTime = LogTime.getLogTime();
decoded = loadProvider.getSourceDecoder().decode(data, width, height);
} return decoded;
}
<--分析16:cacheAndDecodeSourceData -->private Resource<T> cacheAndDecodeSourceData(A data) throws IOException {

...
diskCacheProvider.getDiskCache().put(resultKey.getOriginalKey(), writer); // 1. 调用getDiskCache()获取DiskLruCache实例
// 2. 调用put()写入硬盘缓存
// 注:原始图片的缓存Key是用的getOriginalKey(),即只有id & signature两个参数
// 请回到分析13}
<--分析17:transformEncodeAndTranscode() -->private Resource<Z> transformEncodeAndTranscode(Resource<T> decoded) {

Resource<T> transformed = transform(decoded); // 1. 对图片进行转换
writeTransformedToCache(transformed); // 2. 将 转换过后的图片 写入到硬盘缓存中 -->分析18
Resource<Z> result = transcode(transformed); return result;
}
<-- 分析18:TransformedToCache() -->private void writeTransformedToCache(Resource<T> transformed) { if (transformed == null || !diskCacheStrategy.cacheResult()) { return;
}
diskCacheProvider.getDiskCache().put(resultKey, writer); // 1. 调用getDiskCache()获取DiskLruCache实例
// 2. 调用put()写入硬盘缓存
// 注:转换后图片的缓存Key是用的完整的resultKey,即含10多个参数}

  • 至此,硬盘缓存的写入分析完毕。

  • 总结

步骤9:写入 内存缓存

  • Glide将图片写入 内存缓存的时机:图片加载完成后 、图片显示出来前

  • 写入 内存缓存 的具体地方:上篇文章中当图片加载完成后,会在 EngineJob中通过 Handler发送一条消息将执行逻辑切回到主线程当中,从而执行 handleResultOnMainThread()

class EngineJob implements EngineRunnable.EngineRunnableManager { private final EngineResourceFactory engineResourceFactory;
... private void handleResultOnMainThread() {
... // 关注1:写入 弱引用缓存
engineResource = engineResourceFactory.build(resource, isCacheable);
listener.onEngineJobComplete(key, engineResource); // 关注2:写入 LruCache算法的缓存
engineResource.acquire(); for (ResourceCallback cb : cbs) { if (!isInIgnoredCallbacks(cb)) {
engineResource.acquire();
cb.onResourceReady(engineResource);
}
}
engineResource.release();
}

写入 内存缓存分为:写入 弱引用缓存 & LruCache算法的缓存

  1. 内存缓存分为:一块使用了 LruCache算法机制的区域 & 一块使用了 弱引用机制的缓存

  2. 内存缓存只缓存 转换后的图片

关注1:写入 弱引用缓存

class EngineJob implements EngineRunnable.EngineRunnableManager { private final EngineResourceFactory engineResourceFactory;
... private void handleResultOnMainThread() {
... // 写入 弱引用缓存
engineResource = engineResourceFactory.build(resource, isCacheable); // 创建一个包含图片资源resource的EngineResource对象
listener.onEngineJobComplete(key, engineResource); // 将上述创建的EngineResource对象传入到Engine.onEngineJobComplete() ->>分析6
// 写入LruCache算法的缓存(先忽略)
engineResource.acquire(); for (ResourceCallback cb : cbs) { if (!isInIgnoredCallbacks(cb)) {
engineResource.acquire();
cb.onResourceReady(engineResource);
}
}
engineResource.release();
}
<<- 分析6:onEngineJobComplete()() ->>public class Engine implements EngineJobListener, MemoryCache.ResourceRemovedListener, EngineResource.ResourceListener {
...
@Override
public void onEngineJobComplete(Key key, EngineResource<?> resource) {
Util.assertMainThread(); if (resource != null) {
resource.setResourceListener(key, this); if (resource.isCacheable()) {
activeResources.put(key, new ResourceWeakReference(key, resource, getReferenceQueue())); // 将 传进来的EngineResource对象 添加到activeResources()中
// 即写入了弱引用 内存缓存
}
}
jobs.remove(key);
}
...
}

关注2:写入 LruCache算法 缓存

class EngineJob implements EngineRunnable.EngineRunnableManager { private final EngineResourceFactory engineResourceFactory;
... private void handleResultOnMainThread() {
... // 写入 弱引用缓存(忽略)
engineResource = engineResourceFactory.build(resource, isCacheable);
listener.onEngineJobComplete(key, engineResource); // 写入 LruCache算法的缓存
engineResource.acquire(); // 标记1
for (ResourceCallback cb : cbs) { if (!isInIgnoredCallbacks(cb)) {
engineResource.acquire(); // 标记2
cb.onResourceReady(engineResource);
}
}
engineResource.release(); // 标记3
}

写入 LruCache算法 内存缓存的原理:包含图片资源 resource的 EngineResource对象的一个引用机制:

  • 用 一个 acquired变量 记录图片被引用的次数

  • 加载图片时:调用 acquire(),变量加1

上述代码的标记1、标记2 & 下面 acquire()源码

<-- 分析7:acquire() --> void acquire() { if (isRecycled) { throw new IllegalStateException("Cannot acquire a recycled resource");
} if (!Looper.getMainLooper().equals(Looper.myLooper())) { throw new IllegalThreadStateException("Must call acquire on the main thread");
}
++acquired; // 当调用acquire()时,acquired变量 +1
}

  • 不加载图片时,调用 release()时,变量减1

上述代码的标记3 & 下面 release()源码

<-- 分析8:release() --> void release() { if (acquired <= 0) { throw new IllegalStateException("Cannot release a recycled or not yet acquired resource");
} if (!Looper.getMainLooper().equals(Looper.myLooper())) { throw new IllegalThreadStateException("Must call release on the main thread");
} if (--acquired == 0) {
listener.onResourceReleased(key, this); // 当调用acquire()时,acquired变量 -1
// 若acquired变量 = 0,即说明图片已经不再被使用
// 调用listener.onResourceReleased()释放资源
// 该listener = Engine对象,Engine.onResourceReleased()->>分析9
}
}
}
<-- 分析9:onResourceReleased() -->public class Engine implements EngineJobListener, MemoryCache.ResourceRemovedListener, EngineResource.ResourceListener { private final MemoryCache cache; private final Map<Key, WeakReference<EngineResource<?>>> activeResources;
...
@Override
public void onResourceReleased(Key cacheKey, EngineResource resource) {
Util.assertMainThread();
activeResources.remove(cacheKey); // 步骤1:将缓存图片从activeResources弱引用缓存中移除
if (resource.isCacheable()) {
cache.put(cacheKey, resource); // 步骤2:将该图片缓存放在LruResourceCache缓存中
} else {
resourceRecycler.recycle(resource);
}
}
...
}

所以:

  • 当 acquired变量 >0 时,说明图片正在使用,即该图片缓存继续存放到 activeResources弱引用缓存中

  • 当 acquired变量 = 0,即说明图片已经不再被使用,就将该图片的缓存Key从 activeResources弱引用缓存中移除,并存放到 LruResourceCache缓存中

至此,实现了:

  • 正在使用中的图片 采用 弱引用 的内存缓存

  • 不在使用中的图片 采用 LruCache算法 的内存缓存

总结

步骤10:显示图片

  • 在将图片 写入 内存缓存 & 磁盘缓存后,图片最终显示出来

  • 在下次加载时,将通过二级缓存 从而提高图片加载效率

至此, Glide的图片缓存流程解析完毕。

5. 汇总

  • 用一张图将整个 Glide的图片缓存流程 汇总

  • 关于内存缓存 的总结

    1. 读取 内存缓存 时,先从 LruCache算法机制的内存缓存读取,再从弱引用机制的 内存缓存 读取

    2. 写入 内存缓存 时,先写入 弱引用机制 的内存缓存,等到图片不再被使用时,再写入到 LruCache算法机制的内存缓存

  • 关于磁盘缓存 的总结

    1. 读取 磁盘缓存 时,先读取 转换后图片 的缓存,再读取 原始图片 的缓存

是否读取 取决于 Glide使用API的设置

  1. 写入 磁盘缓存 时,先写入 原始图片 的内存缓存,再写入的内存缓存

是否写入 取决于 Glide使用API的设置

6. 额外注意:为什么你的Glide缓存功能不起作用?

a. 背景

  • Glide实现内存 & 磁盘缓存是根据 图片的缓存 Key进行唯一标识

  • 开发者为了降低成本 & 安全,往往会将图片存放在云服务器上

如 七牛云 等等。

  • 为了保护 客户的图片资源,图片云服务器 会在图片 Url地址的基础上再加一个token参数

http://url.com/image.jpg?token=a6cvva6b02c670b0a

  • Glide加载该图片时,会使用加了 token参数的图片 Url地址 作为 id参数,从而生成 缓存Key

b. 问题

  • 作为身份认证的 token参数可能会发生变化,并不是一成不变

  • 若 token参数变了,则图片 Url跟着变,则生成缓存key的所需id参数发生变化,即 缓存Key也会跟着变化

  • 这导致同一张图片,但因为 token参数变化,而导致缓存Key发生变化,从而使得 Glide的缓存功能失效

缓存Key发生变化,即同一个图片的当前缓存key 和 之前写入缓存的key不相同,这意味着 在读取缓存时 无法根据当前缓存key 找到之前的缓存,从而使得失效

收藏 推荐 打印 | 录入:Cstor | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款