前言
在前面一篇文章中,主要分析了Glide的工作流程,以加载网络图片为例分析了Glide是如何工作的。在熟悉了Glide的工作流程后,我们就可以及继续一些细节的分析。接下来,针对Glide的缓存策略进行分析。
我们知道,一个高效的图片框架是少不了缓存的,使用缓存可以减少资源的重复加载,提高资源的利用率。在Glide中,缓存分为两大类:内存缓存以及硬盘缓存。具体到缓存类型可以分为4种,一下是官网给出的缓存类型。
- 活动资源 (Active Resources) - 现在是否有另一个 View 正在展示这张图片?
- 内存缓存 (Memory cache) - 该图片是否最近被加载过并仍存在于内存中?
- 资源类型(Resource) - 该图片是否之前曾被解码、转换并写入过磁盘缓存?
- 数据来源 (Data) - 构建这个图片的资源是否之前曾被写入过文件缓存?
可以看到,内存缓存分为活动资源以及内存资源;硬盘缓存分为是否有处理过的资源以及原图资源。接下来主要从缓存的更新以及如何缓存两方面分析。
Glide的缓存
缓存键
缓存键是查找的缓存的一个键值,在Glide中需要根据资源的信息构造缓存键,然后查找缓存资源。在分析Glide的工作流程时,在类Engine中开始加载资源时,我们可以看到构造缓存键。
public <R> LoadStatus load(/**省略参数**/) {
EngineKey key =
keyFactory.buildKey(
model,
signature,
width,
height,
transformations,
resourceClass,
transcodeClass,
options);
}
在Engine的load()方法中可以看到在生成EngineKey的过程中用到了很多参数,比如model资源途径、signature签名、宽高等。这多种参数共同决定了缓存键的生成。
内存缓存
上面说到内存缓存分为活动资源和内存资源(这里先将另外一种资源称为内存资源)。其中活动资源是正在使用的图片也就是正在View中展示的,内存资源是存在内存中的,没有在使用。可以看到,Glide在内存缓存这里将资源又分为了两类。
我继续从Engine的load()方法分析。这里是真正开始加载资源的入口。
public <R> LoadStatus load(/**省略参数**/) {
long startTime = VERBOSE_IS_LOGGABLE ? LogTime.getLogTime() : 0;
EngineKey key =
keyFactory.buildKey(
model,
signature,
width,
height,
transformations,
resourceClass,
transcodeClass,
options);
EngineResource<?> memoryResource;
synchronized (this) {
//从内存中加载资源
memoryResource = loadFromMemory(key, isMemoryCacheable, startTime);
if (memoryResource == null) {
return waitForExistingOrStartNewJob(/**省略参数**/);
}
}
cb.onResourceReady(memoryResource, DataSource.MEMORY_CACHE);
return null;
}
从代码里可以看到Glide先从内存中加载资源,这里调用了loadFromMemory()方法。
private EngineResource<?> loadFromMemory(EngineKey key, boolean isMemoryCacheable, long startTime) {
//这里是一个配置,使用skipMemoryCache(boolean skip)可以选择是否跳过从缓存中获取资源
if (!isMemoryCacheable) {
return null;
}
//从活动资源中取缓存
EngineResource<?> active = loadFromActiveResources(key);
if (active != null) {
return active;
}
//从内存资源中取缓存
EngineResource<?> cached = loadFromCache(key);
if (cached != null) {
return cached;
}
return null;
}
可以看到,在上面的过程中,Glide是先从活动资源取缓存,如果没有相应的活动资源就从内存资源中取缓存。接着往下看。
private EngineResource<?> loadFromActiveResources(Key key) {
EngineResource<?> active = activeResources.get(key); //取出活动资源
if (active != null) {
active.acquire();
}
return active;
}
在代码可以看到是从activeResources取出的活动资源。我们在这里跟一下这变量可以看到是在Engine的构造函数中进行的初始化。activeResources是ActiveResources类型的变量。我们直接在类ActiveResources看接下来的逻辑。
final class ActiveResources {
@VisibleForTesting final Map<Key, ResourceWeakReference> activeEngineResources = new HashMap<>(); //用来存储活动资源
/**
* 将资源加入到活动资源中
*/
synchronized void activate(Key key, EngineResource<?> resource) {
ResourceWeakReference toPut =
new ResourceWeakReference(
key, resource, resourceReferenceQueue, isActiveResourceRetentionAllowed);
ResourceWeakReference removed = activeEngineResources.put(key, toPut);
if (removed != null) {
removed.reset();
}
}
/**
* 将资源从活动资源中删除
*/
synchronized void deactivate(Key key) {
ResourceWeakReference removed = activeEngineResources.remove(key);
if (removed != null) {
removed.reset();
}
}
/**
* 获取活动资源
*/
@Nullable
synchronized EngineResource<?> get(Key key) {
ResourceWeakReference activeRef = activeEngineResources.get(key);
if (activeRef == null) {
return null;
}
EngineResource<?> active = activeRef.get();
if (active == null) {
cleanupActiveReference(activeRef);
}
return active;
}
}
这里我们只分析活动资源的增、删、查三种操作,其他一些细节可以自行查看,比如ActiveResources在初始化的时候会清空队列。
从代码中可以看到ActiveResources是通过一个Map容器存储活动资源的,键就是EngineKey,资源以弱引用存储。
- 查:获取资源的时候直接从Map中取出,然后从弱引用中拿到资源,如果资源为null就回收资源。
- 增:增加资源的时候直接插入到Map容器中,如果存在旧资源就回收旧资源。
- 删:删除资源的时候直接从Map容器中删除,然后回收资源。
以上就是Glide管理活动资源的一部分操作,在加载资源时,先从活动资源中取出。我接着往下看,内存资源是如何操作的。
private EngineResource<?> loadFromCache(Key key) {
//获取内存资源
EngineResource<?> cached = getEngineResourceFromCache(key);
if (cached != null) {
//将内存资源加入到活动资源中
cached.acquire();
activeResources.activate(key, cached);
}
return cached;
}
上面的代码做了两个工作,第一步先从内存资源中取,然后再将内存资源加入到活动资源中。我们接下来查看内存资源如何取出。
private EngineResource<?> getEngineResourceFromCache(Key key) {
//从LruResourceCache中取出资源的同时将资源删除
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, /*isMemoryCacheable=*/ true, /*isRecyclable=*/ true, key, /*listener=*/ this);
}
return result;
}
可以看到内存资源是从一个cache的变量中取出的。我跟代码可以看到cache是一个MemoryCache类型的变量,继续下去,可以看到在Glide初始化的时候会初始化MemoryCache。
/**GlideBuilder**/
Glide build(@NonNull Context context) {
if (diskCacheExecutor == null) {
diskCacheExecutor = GlideExecutor.newDiskCacheExecutor();
}
if (memoryCache == null) {
memoryCache = new LruResourceCache(memorySizeCalculator.getMemoryCacheSize());
}
if (diskCacheFactory == null) {
diskCacheFactory = new InternalCacheDiskCacheFactory(context);
}
if (diskCacheFactory == null) {
diskCacheFactory = new InternalCacheDiskCacheFactory(context);
}
}
在上面的代码中,cache被初始化为LruResourceCache类型。除此之外,还有其他的一些资源被初始化,列出来的是硬盘缓存相关的,这里先不说,接下来再讲。
我们继续查看LruResourceCache,从类名上可以看出内存资源是同LRU算法管理的。分析代码可以看到,LruResourceCache继承自LruCache,具体逻辑也是在LruCache中实现,所以我分析LruCache的实现。
public class LruCache<T, Y> {
private final Map<T, Y> cache = new LinkedHashMap<>(100, 0.75f, true);
/**
* 获取资源
*/
public synchronized Y get(@NonNull T key) {
return cache.get(key);
}
/**
* 增加资源
*/
public synchronized Y put(@NonNull T key, @Nullable Y item) {
final int itemSize = getSize(item);
if (itemSize >= maxSize) {
onItemEvicted(key, item);
return null;
}
if (item != null) {
currentSize += itemSize;
}
@Nullable final Y old = cache.put(key, item);
if (old != null) {
currentSize -= getSize(old);
if (!old.equals(item)) {
onItemEvicted(key, old);
}
}
evict();
return old;
}
/**
* 删除资源
*/
public synchronized Y remove(@NonNull T key) {
final Y value = cache.remove(key);
if (value != null) {
currentSize -= getSize(value);
}
return value;
}
}
这里也只分析内存资源的增、删、查三种操作,其他细节可以自行查看。可以看到LruCache直接使用了LinkedHashMap作为容器存储资源,也就意味着LruCache直接使用了LinkedHashMap的LRU算法。
- 查:获取资源很简单,直接从容器中获取。
- 增:增加资源时,先判断容器是否已满,如果满了会调用onItemEvicted()方法回收资源,否则返回查到的资源。
- 删:直接从容器中删除。
上面的过程涉及到了内存资源的三个管理过程:
- 获取资源时先从活动资源中获取。
- 活动资源没有就从内存资源中获取。
- 从内存资源中获取资源的同时将资源从活动资源中删除并加入到活动资源中。
这三步可以看到资源从内存资源到活动资源有个提升,但是内存缓存的资源时来自哪里还没有分析,我们接着往下将。内存缓存作为第一级缓存,它的来源肯定是从硬盘缓存或者网络这些途径。我们从Glide工作流程中获取完资源后开始资源回调的流程开始分析。
void notifyCallbacksOfResult() {
// ......
incrementPendingCallbacks(copy.size() + 1);
//回调EngineJob完成
engineJobListener.onEngineJobComplete(this, localKey, localResource);
//......
decrementPendingCallbacks();
}
在上面的代码中,资源完成后会回调onEngineJobComplete()方法,这个方式是Engine中的方法,
public synchronized void onEngineJobComplete(
EngineJob<?> engineJob, Key key, EngineResource<?> resource) {
if (resource != null && resource.isMemoryCacheable()) {
//加入到活动资源
activeResources.activate(key, resource);
}
jobs.removeIfCurrent(key, engineJob);
}
在这个方法中就将获取到的资源(可能来自于硬盘缓存或者网络)加入到了活动资源中。除此之外还注意到其他两个函数incrementPendingCallbacks()以及decrementPendingCallbacks()。我们看下他们做了什么事情。
synchronized void incrementPendingCallbacks(int count) {
Preconditions.checkArgument(isDone(), "Not yet complete!");
if (pendingCallbacks.getAndAdd(count) == 0 && engineResource != null) {
engineResource.acquire();
}
}
synchronized void decrementPendingCallbacks() {
stateVerifier.throwIfRecycled();
Preconditions.checkArgument(isDone(), "Not yet complete!");
int decremented = pendingCallbacks.decrementAndGet();
Preconditions.checkArgument(decremented >= 0, "Can't decrement below 0");
if (decremented == 0) {
if (engineResource != null) {
engineResource.release();
}
release();
}
}
从代码中可以看到,在incrementPendingCallbacks()方法中对资源执行了engineResource.acquire()操作,这个操作的作用就相当于记录资源的引用次数,同时记录有多少个回调在使用资源。而在decrementPendingCallbacks()方法中可以看到对回调数量执行了减操作,如果数量等于0,就释放资源,我们看下资源是如何释放的。engineResource.release()执行了资源释放的操作,我们跟着代码看下去,可以发现最终调用了Engine的onResourceReleased()方法。
public synchronized void onResourceReleased(Key cacheKey, EngineResource<?> resource) {
activeResources.deactivate(cacheKey);
if (resource.isMemoryCacheable()) {
cache.put(cacheKey, resource);
} else {
resourceRecycler.recycle(resource);
}
}
在这个方法中可以看到,资源从活动资源中删除,然后加入到了内存资源中。
到这里Glide对内存缓存的管理就大致这些内容,包括:从内存缓存中去资源的过程以及内存缓存如何更新。
硬盘缓存
在分析Glide硬盘缓存的管理机制前,我们先了解一下Glide中有哪些硬盘管理策略。
- DiskCacheStrategy.NONE: 表示不缓存任何内容。
- DiskCacheStrategy.SOURCE: 表示只缓存原始图片。
- DiskCacheStrategy.RESULT: 表示只缓存转换过后的图片(默认选项)。
- DiskCacheStrategy.ALL : 表示既缓存原始图片,也缓存转换过后的图片。
- DiskCacheStrategy.AUTOMATIC:智能的选择策略。
目前版本中Glide一共有这5中缓存策略。每种策略所对应的行为都不相同,我们下面会讲到。
接下来,还是从Glide的工作流程中开始讲银盘缓存策略。
上面说到,在加载资源时会先从内存缓存中取,如果内存缓存中不存在对应的资源,那么加载流程会继续进行下去,我们直接分析。在Glide的工作流程中我们知道通过DecodeJob中获取各种类型的Generator加载资源。
private Stage getNextStage(Stage current) {
switch (current) {
case INITIALIZE:
return diskCacheStrategy.decodeCachedResource()
? Stage.RESOURCE_CACHE
: getNextStage(Stage.RESOURCE_CACHE);
case RESOURCE_CACHE:
return diskCacheStrategy.decodeCachedData()
? Stage.DATA_CACHE
: getNextStage(Stage.DATA_CACHE);
case DATA_CACHE:
return onlyRetrieveFromCache ? Stage.FINISHED : Stage.SOURCE;
case SOURCE:
case FINISHED:
return Stage.FINISHED;
default:
throw new IllegalArgumentException("Unrecognized stage: " + current);
}
}
可以看到,在getNextStage()方法中首先会根据硬盘缓存策略获取对应的Stage。首先根据decodeCachedResource()方法的结果选择是否使用硬盘缓存。在上面已经介绍过了Glide不同的缓存策略,根据策略的不同decodeCachedResource()的返回结果不同。上面的5种策略中,NONE和DATA的返回值时false,NONE策略很好理解,因为它禁用了硬盘缓存。DATA策略的意思是直接获取之前缓存的数据,而其他的缓存策略会获取数据对应的资源。只其中的差异接下来会说到。
现在我们说下,在使用硬盘缓存情况下的流程。那个getNextStage()方法会返回Stage.RESOURCE_CACHE。
private DataFetcherGenerator getNextGenerator() {
switch (stage) {
case RESOURCE_CACHE:
return new ResourceCacheGenerator(decodeHelper, this);
case DATA_CACHE:
return new DataCacheGenerator(decodeHelper, this);
case SOURCE:
return new SourceGenerator(decodeHelper, this);
case FINISHED:
return null;
default:
throw new IllegalStateException("Unrecognized stage: " + stage);
}
}
在getNextGenerator()可以看到,Stage.RESOURCE_CACHE对应了ResourceCacheGenerator。我们知道资源加载是在Generator的startNext()方法中执行的,我们直接分析这个方法。
/**ResourceCacheGenerator**/
public boolean startNext() {
//......
Key sourceId = sourceIds.get(sourceIdIndex);
Class<?> resourceClass = resourceClasses.get(resourceClassIndex);
Transformation<?> transformation = helper.getTransformation(resourceClass);
//构造缓存键
currentKey =
new ResourceCacheKey( // NOPMD AvoidInstantiatingObjectsInLoops
helper.getArrayPool(),
sourceId,
helper.getSignature(),
helper.getWidth(),
helper.getHeight(),
transformation,
resourceClass,
helper.getOptions());
//获取缓存资源
cacheFile = helper.getDiskCache().get(currentKey);
if (cacheFile != null) {
sourceKey = sourceId;
modelLoaders = helper.getModelLoaders(cacheFile);
modelLoaderIndex = 0;
}
}
//......
return started;
}
可以看到,首先构造了缓存键,然后再通过helper.getDiskCache().get(currentKey)获取资源。我跟下这里的代码,可以知道缓存是来自于DiskLruCacheWrapper。根据这个类名可以知道硬盘缓存也是LRU算法管理的。
public File get(Key key) {
String safeKey = safeKeyGenerator.getSafeKey(key);
File result = null;
try {
//通过DiskLruCache获取资源
final DiskLruCache.Value value = getDiskCache().get(safeKey);
if (value != null) {
result = value.getFile(0);
}
} catch (IOException e) {
if (Log.isLoggable(TAG, Log.WARN)) {
Log.w(TAG, "Unable to get from disk cache", e);
}
}
return result;
}
完后上面的过程后就取得了硬盘资源。
除此之外,我们刚才还说到了DATA类型的缓存策略,我们看下这种策略的运行流程。上面说到DATA策略是直接获取原有的数据,根据DATA策略的返回结果,getNextStage()方法返回的是Stage.DATA_CACHE,对应到Generator就是DataCacheGenerator。
/**DataCacheGenerator**/
public boolean startNext() {
while (modelLoaders == null || !hasNextModelLoader()) {
sourceIdIndex++;
if (sourceIdIndex >= cacheKeys.size()) {
return false;
}
Key sourceId = cacheKeys.get(sourceIdIndex);
Key originalKey = new DataCacheKey(sourceId, helper.getSignature());
cacheFile = helper.getDiskCache().get(originalKey);
if (cacheFile != null) {
this.sourceKey = sourceId;
modelLoaders = helper.getModelLoaders(cacheFile);
modelLoaderIndex = 0;
}
}
//......
return started;
}
通过DataCacheGenerator的startNext()方法可以看到,DATA策略也是先构造缓存键然后通过DiskLruCache获取缓存的数据。
以上的就是硬盘缓存在不同的策略下的获取过程,接下来我们分析,什么时候将资源加入到硬盘缓存中。这个其实很容易想到在首次获取资源时会将资源加入到硬盘缓存中。通过DiskLruCacheWrapper中put()方法的调用,我们可以看到在DecodeJob中会将资源加入到硬盘缓存中。
private void notifyEncodeAndRelease(Resource<R> resource, DataSource dataSource) {
//......
//这个方法的回调会将资源加入到活动资源中
notifyComplete(result, dataSource);
stage = Stage.ENCODE;
try {
if (deferredEncodeManager.hasResourceToEncode()) {
//这里将资源加入到硬盘缓存中
deferredEncodeManager.encode(diskCacheProvider, options);
}
}
//......
}
void encode(DiskCacheProvider diskCacheProvider, Options options) {
try {
diskCacheProvider
.getDiskCache()
.put(key, new DataCacheWriter<>(encoder, toEncode, options)); //将资源加入到硬盘缓存
}
//......
}
可以看到在以上资源回调的过程中,Glide完成了内存缓存以及硬盘缓存的管理。
总结
到这里Glide的缓存策略就大致讲完了。上面的文章从缓存的获取以及缓存的管理量方面分析了Glide的缓存原理。
从缓存获取的角度来将,Glide在加载资源时:
- 首先从活动资源中加载,如果没有,进行下一步;
- 从内存资源中获取,如果存在,会将内存资源返回,并将资源加入到活动资源中;如果没有,进行下一步;
- 从硬盘缓存中获取,硬盘缓存分为两种类型,存储资源和资源数据。这两种资源的加载原理是一致的。如果没获取到,就从其他来源获取,比如网络资源。
从缓存管理来将:Glide管理的缓存分为内存缓存和硬盘缓存。缓存算法都是使用的LRU算法。
内存缓存分为活动资源和内存资源,活动资源的优先级高于内存资源。同时活动资源被回收时会将资源加入到内存资源中,在从内存资源中获取到资源时会将资源加入到活动资源。
硬盘缓存根据缓存策略来不同表现不同,在资源首次获取时会将资源加入到硬盘资源。