在android开发中我们为了提升App的性能，常用到缓存策略，特别在图片加载中，为了尽可能减少网络请求，通常会采用内存缓存和硬盘缓存的对已经加载的图片进行存储，但是由于磁盘的不能能是无限大的，这就要求我们需要对存储进行必要的处理，保证存储大小在一个合理的范围内，本章小编就LRU的内存缓存策略进行分析，为什么能够实现LRU的：
什么是LRU算法呢？
LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。
整体来说，这个算法，就是按照这三点来的
- 新数据插入到链表头部；
- 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；
- 当链表满的时候，将链表尾部的数据丢弃。
由于LRU算法涉及到Map集合 首先我们介绍一下：HashMap和LinkedHashMap的区别：
HashMap是一个最常用的Map，它根据键的hashCode值存储数据，根据键可以直接获取它的值，具有很快的访问速度。HashMap最多只允许一条记录的键为NULL，允许多条记录的值为NULL。
HashMap不支持线程同步，即任一时刻可以有多个线程同时写HashMap，可能会导致数据的不一致性。如果需要同步，可以用Collections的synchronizedMap方法使HashMap具有同步的能力。
Hashtable与HashMap类似，不同的是：它不允许记录的键或者值为空；它支持线程的同步，即任一时刻只有一个线程能写Hashtable，因此也导致了Hashtable在写入时会比较慢。
LinkedHashMap保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先得到的记录肯定是先插入的。
下面是小编分析的ImageLoader中的LruMemoryCache的源码：不足之处请各位大神指点：
public class LruMemoryCache implements MemoryCacheAware<String,Bitmap>{
private final LinkedHashMap<String, Bitmap> map;
private final int maxSize;//定义缓存的大小
/** Size of this cache in bytes */
private int size;
public LruMemoryCache(int maxSize) {
if (maxSize <= 0) {
throw new IllegalArgumentException("maxSize <= 0"); //不能小于零
}
this.maxSize = maxSize;
this.map = new LinkedHashMap<String, Bitmap>(0, 0.75f, true);//初始化一个LinkedHashMap扩展音质0.75
}
//删除最旧的条目，直到剩余项的总数小于或小于所请求的大小为止。
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()) {
break;
}
Map.Entry<String, Bitmap> toEvict = map.entrySet().iterator().next(); //查找最后一个的方法
if (toEvict == null) {
break;
}
key = toEvict.getKey();
value = toEvict.getValue();
map.remove(key);//移除最后一个值
size -= sizeOf(key, value);//计算大小
}
}
}
//计算bitmap的大小
private int sizeOf(String key, Bitmap value) {
return value.getRowBytes() * value.getHeight();
}
@Override
public boolean put(String key, Bitmap value) {
if (key==null||value==null){
throw new NullPointerException("key == null || value == null");
}
synchronized (this){
size+=sizeOf(key, value);
Bitmap prev = map.put(key, value);
if (prev!=null){
size-=sizeOf(key, value);
} //判断是否已经存在，如果pre不等于空 说明已存在，则减去一个大小，并且插入到链表头部
}
trimToSize(maxSize);
return true;
}
@Override
public Bitmap get(String key) {
if (key==null){
throw new NullPointerException("key == null || value == null");
}
synchronized (this){
return map.get(key);
}
}
@Override
public void remove(String key) {
if (key == null) {
throw new NullPointerException("key == null");
}
synchronized (this) {
Bitmap previous = map.remove(key);
if (previous != null) {
size -= sizeOf(key, previous);
}
}
}
@Override
public Collection<String> keys() {
synchronized (this) {
return new HashSet<String>(map.keySet());
}
}
//清除所有的值
@Override
public void clear() {
trimToSize(-1);
}我们可以看到这个类中维护的是一个LinkedHashMap，在LruMemoryCache构造函数中我们可以看到，我们为其设置了一个缓存图片的最大值maxSize，并实例化LinkedHashMap， 而从LinkedHashMap构造函数的第三个参数为ture，表示它是按照访问顺序进行排序的，
我们来看将bitmap加入到LruMemoryCache的方法put(String key, Bitmap value), sizeOf()是计算每张图片所占的byte数，size是记录当前缓存bitmap的总大小，如果该key之前就缓存了bitmap,我们需要将之前的bitmap减掉去，接下来看trimToSize()方法，如果当前缓存的bitmap总数小于设定值maxSize，不做任何处理，如果当前缓存的bitmap总数大于maxSize,删除LinkedHashMap中的第一个元素，size中减去该bitmap对应的byte数我们可以看到该缓存类比较简单，逻辑也比较清晰
