Lru是一种页面置换算法，当进程访问的页面不在内存，而且内存已无空闲空间时，系统必须从内存中调出一页送到磁盘的对换区。
调出的这一页到底是哪页呢？Lru就是其中一种算法，称为“最近最久未使用算法”。
从构造方法开始，
/** Create a cache using an appropriate portion of the available RAM as the maximum size. */
public LruCache(Context context) {
this(Utils.calculateMemoryCacheSize(context));
}
/** Create a cache with a given maximum size in bytes. */
public LruCache(int maxSize) {
if (maxSize <= 0) {
throw new IllegalArgumentException("Max size must be positive.");
}
this.maxSize = maxSize;
this.map = new LinkedHashMap<String, Bitmap>(0, 0.75f, true);
}初始化了允许最大缓存大小，和LinkedHashMap
最重要的应该是get，set方法：
@Override public Bitmap get(String key) {
if (key == null) {
throw new NullPointerException("key == null");
}
Bitmap mapValue;
synchronized (this) {
mapValue = map.get(key); //根据key从里面取对应的Bitmap
if (mapValue != null) { //能取到的话，记录命中次数的hitCount++，返回该Bitmap
hitCount++;
return mapValue;
}
missCount++; //未取到的话，记录未命中次数的missCount++
}
return null; //最后返回null，表示没有找到缓存
}@Override public void set(String key, Bitmap bitmap) {
if (key == null || bitmap == null) {
throw new NullPointerException("key == null || bitmap == null");
}
Bitmap previous;
synchronized (this) {
putCount++;
size += Utils.getBitmapBytes(bitmap); // 代表缓存大小的size加上新放入bitmap的大小
previous = map.put(key, bitmap); //put()返回该key之前对应的bitmap，没有的话，返回null
if (previous != null) {
size -= Utils.getBitmapBytes(previous);
//如果之前key确实有对应的bitmap，现在更新了，自然要减去之前的bitmap大小
}
}
trimToSize(maxSize);
}
private void trimToSize(int maxSize) {
while (true) {
String key;
Bitmap value;
synchronized (this) {
if (size < 0 || (map.isEmpty() && size != 0)) {
throw new IllegalStateException(
getClass().getName() + ".sizeOf() is reporting inconsistent results!");
}
if (size <= maxSize || map.isEmpty()) { //如果现在缓存的大小还没超过限制，就不做处理
break;
}
/*能执行到这里说明缓存已经超过最大限制了，所以这里应该使用LRU算法，将超过最大缓存大小的部分去掉
注意：里面的map使用的LinkedHashMap，我们new的时候，是用的有三个参数的构造方法，第三个参数
true代表按照最近最少使用在前面，false代表按照插入顺序排序。所以，指定为true的时候，就是map使用的就是LRU算法
这时，我们每次取第一个，每次只删一个，循环下去，知道size <= maxSize
*/
Map.Entry<String, Bitmap> toEvict = map.entrySet().iterator().next();
key = toEvict.getKey();
value = toEvict.getValue();
map.remove(key);
size -= Utils.getBitmapBytes(value);
evictionCount++;
}
}
清空缓存
/** Clear the cache. */
public final void evictAll() {
trimToSize(-1); // -1 will evict 0-sized elements
}还有一个方法，是实现Cache接口里的。清除指定的缓存。
就是一个个遍历，每个去比较一下
@Override public final synchronized void clearKeyUri(String uri) {
boolean sizeChanged = false;
int uriLength = uri.length();
for (Iterator<Map.Entry<String, Bitmap>> i = map.entrySet().iterator(); i.hasNext();) {
Map.Entry<String, Bitmap> entry = i.next();
String key = entry.getKey();
Bitmap value = entry.getValue();
int newlineIndex = key.indexOf(KEY_SEPARATOR);
if (newlineIndex == uriLength && key.substring(0, newlineIndex).equals(uri)) {
i.remove();
size -= Utils.getBitmapBytes(value);
sizeChanged = true;
}
}
if (sizeChanged) {
trimToSize(maxSize);
}
}至此，LruCache就看完了。
来源：oschina
链接：https://my.oschina.net/u/1777377/blog/413246