Android：深入剖析图片加载库Glide缓存功能(源码分析）

作者: Carson带你学安卓 | 来源:发表于2021-09-22 11:30 被阅读0次

前言

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

Github截图
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。

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

内存缓存默认开启

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：
1. 内存缓存：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
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
可缓存原始图片 & 缓存转换过后的图片，用户自行设置

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

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

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

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

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

示意图

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()中

该代码在上一篇文章：Android：手把手带你深入图片加载库Glide源码分析当中已分析过，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Android：手把手带你深入图片加载库Glide源码分析讲解 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()中

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

loadFromCache()：从使用了 LruCache算法机制的内存缓存获取缓存
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

示意图

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：手把手带你深入图片加载库Glide源码分析：Glide 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

示意图

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

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：手把手带你深入图片加载库Glide源码分析：Glide 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

示意图

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()里

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

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

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

示意图

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

示意图

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

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

c. 解决方案

Android图片加载的那些事：为什么你的Glide 缓存没有起作用？

7. 总结

本文主要对Glide的图片缓存功能 进行流程 & 源码分析
下面我将继续对 Glide 的其他功能进行源码分析 ，有兴趣可以继续关注Carson带你学Android开源库系列文章：

Carson带你学Android：主流开源图片加载库对比(UIL、Picasso、Glide、Fresco)
Carson带你学Android：主流开源网络请求库对比(Volley、OkHttp、Retrofit)
Carson带你学Android：网络请求库Retrofit使用教程
 Carson带你学Android：网络请求库Retrofit源码分析
 Carson带你学Android：图片加载库Glide使用教程
 Carson带你学Android：图片加载库Glide源码分析
 Carson带你学Android：V-Layout，淘宝、天猫都在用的UI框架，赶紧用起来吧！

欢迎关注Carson_Ho的简书

不定期分享关于安卓开发的干货，追求短、平、快，但却不缺深度。

Android：深入剖析图片加载库Glide缓存功能(源码分析）

前言

目录

1. Glide缓存机制简介

1.1 缓存的图片资源

1.2 缓存机制设计

2. Glide 缓存功能介绍

2.1 内存缓存

2.2 磁盘缓存

3. Glide 缓存流程 解析

4. 缓存流程 源码分析

步骤1：生成缓存Key

步骤2：创建缓存对象 LruResourceCache

步骤3：从 内存缓存 中获取缓存图片

步骤4：开启 加载图片 线程

步骤5：从 磁盘缓存 中获取缓存图片

步骤6：从网络获取 图片资源

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

步骤9：写入 内存缓存

关注1：写入 弱引用缓存

关注2：写入 LruCache算法 缓存

总结