Fresco框架（二）– 内存缓存-六虎

在上一篇追寻源码，梳理了一下Fresco加载中涉及到的一些目标，以及在这个架构中怎么完结恳求。然后剖析了网络恳求的加载进程，剖析了ProducerSequence的组成部分，一期完好的恳求流程需求经过如下目标和作业：

BitmapMemoryCacheGetProducer，图片缓存读取
ThreadHandoffProducer，线程切换
BitmapMemoryCacheKeyMultiplexProducer，多路复用，相同恳求进行合并
BitmapMemoryCacheProducer，图片缓存
ResizeAndRotateProducer，图片调整
AddImageTransformMetaDataProducer，元数据解码
EncodedCacheKeyMultiplexProducer，元数据多路复用
EncodedMemoryCacheProducer，元数据缓存
DiskCacheReadProducer，磁盘缓存读取
DiskCacheWriteProducer，磁盘缓存写入
WebpTranscodeProducer，webp转码
NetworkFetchProducer，网络恳求

其间一共具有三层缓存

第一层Bitmap缓存，Bitmap缓存存储Bitmap目标，这些Bitmap目标能够立即用来显示，在线程切换之前就读缓存，缓存在内存傍边，在后台会被清掉，Bitmap相对于元数据会大许多，参考之前的Bitmap相关知识
第二层元数据缓存，元数据缓存存储原始紧缩格式图片如png、jpg，这些缓存在运用时需求先解码成bitmap，运用会再次缓存到第一层缓存，缓存在内存中，在后台会被清掉
第三层元数据缓存，与第二层的缓存数据完全一致，运用时需求解码，运用会再次缓存到第一层和第二层缓存中，缓存在磁盘中，在后台不回被铲除

BitmapMemoryCacheProducer

内存缓存是一种用于存储图片数据的临时存储空间，能够快速地拜访和加载图片资源，进步图片加载的效率和功能。内存缓存通常存储在RAM中，因而能够快速地读取和写入数据。

介绍

Fresco的缓存架构中，前两层都是运用的内存缓存，分别针对的是Bitmap数据和元数据：

Bitmap缓存涉及两个Producer，BitmapMemoryCacheGetProducer和BitmapMemoryCacheProducer。
- BitmapMemoryCacheGetProducer承继自BitmapMemoryCacheProducer，制止了其写缓存的才能。所以逻辑还是在BitmapMemoryCacheProducer中。
- 当图片从网络或本地加载后，经过解码生成位图后，BitmapMemoryCacheProducer会将这些位图数据存储到内存缓存中。下次再次加载相同的图片时，能够直接从内存缓存中读取位图数据，避免从头解码，进步图片加载的速度和效率。
元数据缓存EncodedMemoryCacheProducer，担任将原始的编码数据存储到编码内存缓存中。当图片从网络或本地加载后，未经过解码的编码数据会被EncodedMemoryCacheProducer存储到编码内存缓存中。这样在需求从头加载图片时，能够直接从编码内存缓存中读取原始的编码数据，再解码生成位图，避免从头下载图片，进步加载速度。

从功能上能够看出，BitmapMemoryCacheProducer和EncodedMemoryCacheProducer除了针对的目标不同之外，逻辑是完全相同的。

代码流程

当BitmapMemoryCacheProducer的produceResults办法被调用时，首先从ProducerContext中获取到对应的CacheKey。
接着经过CacheKey从内存缓存中查找是否有对应的位图数据。假如内存缓存中有对应的位图数据，则直接将数据回来给Consumer，并关闭CloseableReference。
假如内存缓存中没有对应的位图数据，则调用下一个生产者（mInputProducer）的produceResults办法，一起将一个包装过的Consumer传入其间。
包装过的Consumer当从下一个生产者获取到新的成果时，将成果存储到内存缓存中，并继续传递成果给原始的Consumer。

其间缓存获取和存储分别是经过MemoryCache的get和put办法完成。

public class BitmapMemoryCacheProducer implements Producer<CloseableReference<CloseableImage>> {
  private final Producer<CloseableReference<CloseableImage>> mInputProducer;
  private final MemoryCache<CacheKey, CloseableImage> mMemoryCache;
  public BitmapMemoryCacheProducer(
      Producer<CloseableReference<CloseableImage>> inputProducer,
      MemoryCache<CacheKey, CloseableImage> memoryCache) {
    mInputProducer = Preconditions.checkNotNull(inputProducer);
    mMemoryCache = Preconditions.checkNotNull(memoryCache);
  }
  @Override
  public void produceResults(Consumer<CloseableReference<CloseableImage>> consumer, ProducerContext context) {
    //从ProducerContext中获取到对应的CacheKey
    final ImageRequest imageRequest = producerContext.getImageRequest();
    final Object callerContext = producerContext.getCallerContext();
    final CacheKey cacheKey = mCacheKeyFactory.getBitmapCacheKey(imageRequest, callerContext);
    // 从内存缓存中查找是否有对应的位图数据
    CloseableReference<CloseableImage> closeableImage = mMemoryCache.get(cacheKey);
    if (closeableImage != null) {
      // 假如内存缓存中有对应的位图数据，则直接回来给consumer
      consumer.onProgressUpdate(1f);
      consumer.onNewResult(closeableImage, true);
      closeableImage.close();
    } else {
    // 假如内存缓存中没有对应的位图数据，则继续向下一个生产者恳求数据
    Consumer<CloseableReference<CloseableImage>> wrappedConsumer =
    wrapConsumer(
        consumer, cacheKey, producerContext.getImageRequest().isMemoryCacheEnabled());
      mInputProducer.produceResults(wrappedConsumer, context);
    }
  }
  private Consumer<CloseableReference<CloseableImage>> wrapConsumer(final Consumer<CloseableReference<CloseableImage>> consumer, final CacheKey cacheKey) {
    return new DelegatingConsumer<CloseableReference<CloseableImage>, CloseableReference<CloseableImage>>(consumer) {
        @Override
        public void onNewResultImpl(CloseableReference<CloseableImage> result, boolean isLast) {
            // 当从下一个生产者获取到新的成果时，将成果存储到内存缓存中
            if (isLast) {
                if (result != null) {
                    newCachedResult = mMemoryCache.cache(cacheKey, newResult);
                }
            }
            // 继续传递成果给Consumer
            getConsumer()
            .onNewResult((newCachedResult != null) ? newCachedResult : newResult, status);
        }
    };
  }
}

LruCountingMemoryCache

介绍

MemoryCache是Fresco中非常重要的一个组件，它能够有用地办理内存中的图片缓存，进步图片加载的效率和功能。MemoryCache支撑装备不同的缓存战略，包含缓存的巨细约束、缓存的有用期、缓存的整理战略等。能够依据自己的需求和场景来调整MemoryCache的装备。

LruCountingMemoryCache是MemoryCache一个首要完成。是一个结合了LRU算法和计数功能的内存缓存类，LRU算法会依据最近拜访的次序来淘汰最少运用的数据，以坚持缓存巨细在一定范围内。

存储办法和目标

存储办法
1. mExclusiveEntries存储的是那些不被任何客户端运用的缓存条目，这些是可被整理的、闲暇的缓存条目，因而这些条目能够被驱逐出缓存，当一个条目不再被运用时，会被移动到mExclusiveEntries
2. mCachedEntries则是存储所有缓存条目的当地，包含那些被符号为独占的条目和普通的缓存条目。


final CountingLruMap<K, Entry<K, V>> mExclusiveEntries;
final CountingLruMap<K, Entry<K, V>> mCachedEntries;

存储目标
1. key是条目的键，用于唯一标识该条目在缓存中的方位。
2. valueRef是一个CloseableReference类型的成员变量，用于存储条目对应的值的引证。
3. clientCount表明引证该条目值的客户端数量，即有多少个客户端正在运用这个值。
4. isOrphan表明该条目是否孤立，孤立的条目意味着这个条目不再被缓存办理器追寻。

class Entry<K, V> {
  public final K key;
  public final CloseableReference<V> valueRef;
  public int clientCount;
  public boolean isOrphan;
}

读取

从缓存中获取指定key对应的值，假如有缓存回来一个引证，假如没有缓存回来空。

从mExclusiveEntries中移除对应的Entry。
从mCachedEntries中取对应的Entry。
假如获取到了Entry，则调用newClientReference()创立一个新的CloseableReference引证。
maybeUpdateCacheParams()和maybeEvictEntries()，第一个或许会依据缓存的巨细、存储战略等因从来更新缓存的相关参数。第二个或许逐出不必要的缓存项，由于上一步或许更改了缓存参数，导致需求从头计算。

@Nullable
public CloseableReference<V> get(final K key) {
  Entry<K, V> oldExclusive;
  CloseableReference<V> clientRef = null;
  synchronized (this) {
    oldExclusive = mExclusiveEntries.remove(key);
    Entry<K, V> entry = mCachedEntries.get(key);
    if (entry != null) {
      clientRef = newClientReference(entry);
    }
  }
  maybeUpdateCacheParams();
  maybeEvictEntries();
  return clientRef;
}

引证

读取缓存时回来的目标是实践目标的一个全新的引证，Entry存储的是外面传入的CloseableReference引证，而从缓存中取条目的时分，会运用这个CloseableReference引证的目标创立一个新的CloseableReference引证，供给外面的调用方单独运用，运用完结后对引证进行开释，经过这样完成了一对多的办理办法。

newClientReference办法用于创立一个新的引证
1. 首先经过increaseClientCount()添加计数，表明有一个新的引证该条目值。
2. 然后创立一个CloseableReference，办理对条目值的引证，并在引证不再需求时开释资源。
3. 当引证需求开释时，会调用releaseClientReference()办法开释引证。

private synchronized CloseableReference<V> newClientReference(final Entry<K, V> entry) {
  increaseClientCount(entry);
  return CloseableReference.of(
      entry.valueRef.get(),
      new ResourceReleaser<V>() {
        @Override
        public void release(V unused) {
          releaseClientReference(entry);
        }
      });
}

releaseClientReference办法用于开释引证，
1. 如减少客户端计数、或许将条目添加到独占调集、关闭旧的引证等。
2. 首先，减少了条目的客户端计数，表明有一个客户端不再引证该条目值。
3. maybeAddToExclusives()，假如计数降为0可是没有孤立，表明条目不再被运用时，会被移动到mExclusiveEntries。
4. referenceToClose()，计数降为0并且现已孤立，发生在缓存现已由于其他状况铲除去的状况下，并且当时开释的现已是条目最终一个引证，在这儿将它开释掉。
5. maybeUpdateCacheParams()和maybeEvictEntries()，第一个或许会依据缓存的巨细、存储战略等因从来更新缓存的相关参数。第二个或许逐出不必要的缓存项，由于上一步或许更改了缓存参数，导致需求从头计算。


private void releaseClientReference(final Entry<K, V> entry) {
  Preconditions.checkNotNull(entry);
  boolean isExclusiveAdded;
  CloseableReference<V> oldRefToClose;
  synchronized (this) {
    decreaseClientCount(entry);
    isExclusiveAdded = maybeAddToExclusives(entry);
    oldRefToClose = referenceToClose(entry);
  }
  CloseableReference.closeSafely(oldRefToClose);
  maybeUpdateCacheParams();
  maybeEvictEntries();
}

存储

将键值对缓存到内存中。

maybeUpdateCacheParams()，依据缓存的巨细、存储战略等因从来更新缓存的相关参数。这个跟之前几个办法有区别，放到了最前面来。
第二步去重操作，查找mExclusiveEntries和mCachedEntries中是否现已存储了相同的key，假如有就把它铲除去，这儿一部分操作在同步块内，一部分在外面，这是为了避免潜在的死锁状况，由于在调用close办法时或许会涉及到其他线程或者资源的开释操作，假如在持有锁的状况下调用这个办法，或许会导致死锁。下面是具体流程：
- mExclusiveEntries.remove和mCachedEntries.remove找出对应的缓存
- 假如的确从缓存中查到了值，makeOrphan()符号条目现已孤立，eferenceToClose()，计数为0并且现已孤立，在这儿将它开释掉。假如计数不为0，阐明还有运用方，等候所有运用方开释之后再开释资源
- 实践的开释代码在同步块外面
经过canCacheNewValue()办法判断新值是否能够缓存，假如能够，则创立一个新的Entry目标并将其放入mCachedEntries中，并经过newClientReference()办法创立客户端引证。
调用maybeEvictEntries()办法，或许逐出不必要的缓存项，由于办法最开始更改了缓存参数，别的还有或许插入了新的缓存值。
回来客户端引证clientRef，供调用者运用。假如不为空，调用方应该运用回来的引证，假如为空，调用方运用原始引证。

@Override
public @Nullable CloseableReference<V> cache(
    final K key,
    final CloseableReference<V> valueRef,
    final @Nullable EntryStateObserver<K> observer) {
  maybeUpdateCacheParams();
  Entry<K, V> oldExclusive;
  CloseableReference<V> oldRefToClose = null;
  CloseableReference<V> clientRef = null;
  synchronized (this) {
    // remove the old item (if any) as it is stale now
    oldExclusive = mExclusiveEntries.remove(key);
    Entry<K, V> oldEntry = mCachedEntries.remove(key);
    if (oldEntry != null) {
      makeOrphan(oldEntry);
      oldRefToClose = referenceToClose(oldEntry);
    }
    if (canCacheNewValue(valueRef.get())) {
      Entry<K, V> newEntry = Entry.of(key, valueRef, observer);
      mCachedEntries.put(key, newEntry);
      clientRef = newClientReference(newEntry);
    }
  }
  CloseableReference.closeSafely(oldRefToClose);
  maybeEvictEntries();
  return clientRef;
}

逐出

逐出操作管帐算出需求整理的最大数量和巨细，计算需求整理的旧条目。并且安全地开释资源。

maybeEvictEntries()是条目逐出的进口，前面有许多当地调用了它，流程如下
1. 计算出需求整理的最大数量和巨细，约束在规则的最大整理行列条目数和缓存巨细范围内。
2. 调用trimExclusivelyOwnedEntries()办法来获取需求整理的旧条目。
3. 调用makeOrphans()办法来将这些旧条目符号为孤立状况，不再被其他条目引证。
4. 开释同步锁后，调用maybeClose()，假如条目计数为0并且现已孤立，在这儿将它开释掉。

public void maybeEvictEntries() {
  ArrayList<Entry<K, V>> oldEntries;
  synchronized (this) {
    int maxCount =
        Math.min(
            mMemoryCacheParams.maxEvictionQueueEntries,
            mMemoryCacheParams.maxCacheEntries - getInUseCount());
    int maxSize =
        Math.min(
            mMemoryCacheParams.maxEvictionQueueSize,
            mMemoryCacheParams.maxCacheSize - getInUseSizeInBytes());
    oldEntries = trimExclusivelyOwnedEntries(maxCount, maxSize);
    makeOrphans(oldEntries);
  }
  maybeClose(oldEntries);
}

trimExclusivelyOwnedEntries
1. 判断当时mExclusiveEntries中的条目数量和巨细是否小于等于传入的count和size，假如是，则不需求进行裁剪操作，直接回来null。
2. 进入一个while循环，判断当时mExclusiveEntries中的条目数量和巨细是否大于传入的count和size，假如是，则继续裁剪操作。
3. 获取mExclusiveEntries中第一个条目的key，并从mExclusiveEntries和mCachedEntries中移除该条目，将其添加到oldEntries中。
4. 循环直到mExclusiveEntries中的条目数量和巨细都小于等于传入的count和size，然后回来oldEntries。

这儿逐出mExclusiveEntries中第一个条目的key，存入mExclusiveEntries的操作在条目被开释的时分，所以第一个条目也便是最早不被运用的条目，也便是lru战略。

private synchronized ArrayList<Entry<K, V>> trimExclusivelyOwnedEntries(int count, int size) {
  // fast path without array allocation if no eviction is necessary
  if (mExclusiveEntries.getCount() <= count && mExclusiveEntries.getSizeInBytes() <= size) {
    return null;
  }
  ArrayList<Entry<K, V>> oldEntries = new ArrayList<>();
  while (mExclusiveEntries.getCount() > count || mExclusiveEntries.getSizeInBytes() > size) {
    K key = mExclusiveEntries.getFirstKey()
    mExclusiveEntries.remove(key);
    oldEntries.add(mCachedEntries.remove(key));
  }
  return oldEntries;
}

总结

在本文中，我们深化探讨了Fresco结构中关于内存缓存的部分，首要环绕BitmapMemoryCacheProducer和LruCountingMemoryCache展开讨论。作为Fresco结构内存办理的核心组件，这两者一起构建了Fresco内存缓存的架构。

BitmapMemoryCacheProducer作为内存缓存的生产者，担任将位图数据存储到内存缓存中，并供给给下游消费者运用。它经过高效办理内存中的位图数据，完成了内存缓存的快速读取和存储，为Fresco结构的图片加载和展现供给了重要支撑。

而LruCountingMemoryCache则是BitmapMemoryCacheProducer中的关键组件，完成了LRU算法用于办理缓存条目。经过对内部存储办法、目标引证、逐出操作等流程的具体讲解，我们深化了解了Fresco内存缓存的内部作业原理。特别是在逐出操作方面，经过裁剪旧条目来开释内存空间，保证了内存缓存的有用使用和系统的稳定性。

归纳来看，Fresco结构经过BitmapMemoryCacheProducer和LruCountingMemoryCache这样的内存办理组件，构建了一个高效、稳定的内存缓存架构。合理使用内存缓存，不仅进步了应用程序的功能和用户体会，一起也减少了内存资源的浪费和系统负担。经过深化了解和学习Fresco内存缓存的架构和作业原理，我们能够更好地优化和办理应用程序的内存运用，为用户供给更流畅的图片加载和展现体会。

Fresco框架（二）– 内存缓存

BitmapMemoryCacheProducer

介绍

代码流程

LruCountingMemoryCache

介绍

存储办法和目标

读取

引证

存储

逐出

总结

相关文章

「码上掘金迎新年」编程比赛结果公示

第二弹：史上最全操作系统面试整理（附答案）

在Presto中利用一致性哈希算法增强动态集群的数据缓存本地性

美团外卖智能陪伴型导购的探索与实践

作者信息