目前图片框架，基本就是 Glide 一统江山了，除了极其简单的链式调用，里面丰富的 API 也让人爱不释手。
那么，这样一个好用的框架，里面的缓存机制是怎么样的呢？
我们知道，一般图片框架，加载图片，都是通过内存缓存 LruCache ，DiskLruCache 硬盘缓存中去拿，那 Glide 又是怎么样的呢？这里，我们一起来探讨一下；
这里的 Glide 版本为 4.9.0
Glide 的缓存可以分为两种，一种内存缓存，一种是硬盘缓存；其中内存缓存又包含 弱引用 和 LruCache ；而硬盘缓存就是 DiskLruCache。
流程图，可以参考这个，再去跟比较好：
一. 内存缓存
首先，Glide 的图片加载在 Engine 中的 load 方法中，如下：
public synchronized <R> LoadStatus load(
// 获取资源的 key ，参数有8个
EngineKey key = keyFactory.buildKey(model, signature, width, height, transformations,
resourceClass, transcodeClass, options);
// 弱引用
EngineResource<?> active = loadFromActiveResources(key, isMemoryCacheable);
if (active != null) {
cb.onResourceReady(active, DataSource.MEMORY_CACHE);
if (VERBOSE_IS_LOGGABLE) {
logWithTimeAndKey("Loaded resource from active resources", startTime, key);
}
return null;
}
// 通过 LruCache
EngineResource<?> cached = loadFromCache(key, isMemoryCacheable);
if (cached != null) {
cb.onResourceReady(cached, DataSource.MEMORY_CACHE);
if (VERBOSE_IS_LOGGABLE) {
logWithTimeAndKey("Loaded resource from cache", startTime, key);
}
return null;
}
// 如果都获取不到，则网络加载
....1.1 获取缓存key
可以看到，首先通过：
EngineKey key = keyFactory.buildKey(model, signature, width, height, transformations,
resourceClass, transcodeClass, options);来获取 缓存的key，它的参数有8个，所以，当同一图片的，它的大小不一样时，也会生成一个新的缓存。
然后 Glide 默认是开启内存缓存的，如果你想关掉，可以使用：
//关闭内存缓存
skipMemoryCache(false)1.2 弱引用
接着，会从弱引用中是否拿到资源，通过：
EngineResource<?> active = loadFromActiveResources(key, isMemoryCacheable);里面的实现为：
@Nullable
private EngineResource<?> loadFromActiveResources(Key key, boolean isMemoryCacheable) {
if (!isMemoryCacheable) {
return null;
}
EngineResource<?> active = activeResources.get(key);
//如果能拿到资源，则计数器 +1
if (active != null) {
active.acquire();
}
return active;
}
#ActiveResources#get()
@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;
}
#EngineResource#acquire()
synchronized void acquire() {
if (isRecycled) {
throw new IllegalStateException("Cannot acquire a recycled resource");
}
++acquired;
}可以看到，activeEngineResources 为实现了弱引用的 hasmap，通过 key 拿到弱引用的对象，如果获取不到，则可能GC，对象被回收，则从 map 中移除；如果拿到对象，则引用计数 acquired +1, 计数器后面再讲；
1.3 LruCache
如果获取不到，则通过
// 从 lrucache 获取对象
EngineResource<?> cached = loadFromCache(key, isMemoryCacheable);
#Engine#loadFromCache()
private EngineResource<?> loadFromCache(Key key, boolean isMemoryCacheable) {
if (!isMemoryCacheable) {
return null;
}
EngineResource<?> cached = getEngineResourceFromCache(key);
if (cached != null) {
cached.acquire();
activeResources.activate(key, cached);
}
return cached;
}我们看看 getEngineResourceFromCache 方法：
发现，它从 LruCache 那大对象，如果对象不为空，则通过 activeResources.activate(key, cached); 把它加入弱引用中，且从 LruCache 删除。且 调用 acquire() 让计数器 +1.
所以，我们知道了，Glide 的内存缓存的流程是这样的，先从弱引用中取对象，如果存在，引用计数+1，如果不存在，从 LruCache 取，如果存在，则引用计数+1，并把它存到弱引用中，且自身从 LruCache 移除。
上面，我们讲到的是取，那如果存呢？如果要对一个对象进行存储，那肯定在图片加载的时候去存。
回调 Engine 类的load 方法,其中通过加载的代码如下：
public synchronized <R> LoadStatus load(
..
// 获取 key
EngineKey key = keyFactory.buildKey(model, signature, width, height, transformations,
resourceClass, transcodeClass, options);
// 从 弱引用中获取对象
EngineResource<?> active = loadFromActiveResources(key, isMemoryCacheable);
...
// 从 LruCache 获取对象
EngineResource<?> cached = loadFromCache(key, isMemoryCacheable);
...
EngineJob<R> engineJob =
engineJobFactory.build(
key,
isMemoryCacheable,
useUnlimitedSourceExecutorPool,
useAnimationPool,
onlyRetrieveFromCache);
DecodeJob<R> decodeJob =
decodeJobFactory.build(
glideContext,
model,
key,
signature,
width,
height,
resourceClass,
transcodeClass,
priority,
diskCacheStrategy,
transformations,
isTransformationRequired,
isScaleOnlyOrNoTransform,
onlyRetrieveFromCache,
options,
engineJob);
jobs.put(key, engineJob);
engineJob.addCallback(cb, callbackExecutor);
engineJob.start(decodeJob);
...这里两个关键的对象，一个是 EngineJob ，它是一个线程池，维护着编码、资源解析、网络下载等工作；一个是 DecodeJob ，它继承 Runnable ，相当于于 EngineJob 的一个任务；
engineJob.start(decodeJob); 可以知道，调用的是 DecodeJob 里面的 run 方法，具体细节，等硬盘缓存的时候，我们再跟；最后会回调EngineJob 的 onResourceReady 方法：
@Override
public void onResourceReady(Resource<R> resource, DataSource dataSource) {
synchronized (this) {
this.resource = resource;
this.dataSource = dataSource;
}
notifyCallbacksOfResult();
}
#EngineJob #onResourceReady ()
@Synthetic
void notifyCallbacksOfResult() {
ResourceCallbacksAndExecutors copy;
Key localKey;
EngineResource<?> localResource;
synchronized (this) {
stateVerifier.throwIfRecycled();
//是否被取消
if (isCancelled) {
// TODO: Seems like we might as well put this in the memory cache instead of just recycling
// it since we've gotten this far...
resource.recycle();
release();
return;
} else if (cbs.isEmpty()) {
throw new IllegalStateException("Received a resource without any callbacks to notify");
} else if (hasResource) {
throw new IllegalStateException("Already have resource");
}
engineResource = engineResourceFactory.build(resource, isCacheable);
// Hold on to resource for duration of our callbacks below so we don't recycle it in the
// middle of notifying if it synchronously released by one of the callbacks. Acquire it under
// a lock here so that any newly added callback that executes before the next locked section
// below can't recycle the resource before we call the callbacks.
hasResource = true;
copy = cbs.copy();
// 引用计数 +1
incrementPendingCallbacks(copy.size() + 1);
localKey = key;
localResource = engineResource;
}
// 把对象put到弱引用上
listener.onEngineJobComplete(this, localKey, localResource);
// 遍历所有图片
for (final ResourceCallbackAndExecutor entry : copy) {
// 把资源加载到 imageview 中，引用计数 +1
entry.executor.execute(new CallResourceReady(entry.cb));
}
//引用计数 -1
decrementPendingCallbacks();
}从上面看，notifyCallbacksOfResult() 方法做了以下事情
- 图片的引用计数 +1
- 通过 listener.onEngineJobComplete() ，它的回调为 Engine#onEngineJobComplete()，把资源 put 到 弱引用上，实现如下：
- 遍历加载的图片，如果加载成功，则引用计数+1，且通过 cb.onResourceReady(engineResource, dataSource) 回调给 target (imageview) 去加载
- 通过 decrementPendingCallbacks() 释放资源，引用计数 -1
synchronized void decrementPendingCallbacks() {
....
if (decremented == 0) {
if (engineResource != null) {
// 释放资源
engineResource.release();
}
release();
}
}
#ResourceEnginer#release()
void release() {
// To avoid deadlock, always acquire the listener lock before our lock so that the locking
// scheme is consistent (Engine -> EngineResource). Violating this order leads to deadlock
// (b/123646037).
synchronized (listener) {
synchronized (this) {
if (acquired <= 0) {
throw new IllegalStateException("Cannot release a recycled or not yet acquired resource");
}
if (--acquired == 0) {
listener.onResourceReleased(key, this);
}
}
}
}当引用计数减到 0 时，即图片已经没有使用时，就会调用 onResourceReleased() 接口，它的实现如下:
@Override
public synchronized void onResourceReleased(Key cacheKey, EngineResource<?> resource) {
// 从弱引用中移除
activeResources.deactivate(cacheKey);
if (resource.isCacheable()) {
//添加到 LruCache 中
cache.put(cacheKey, resource);
} else {
// 回收资源
resourceRecycler.recycle(resource);
}
}这样，我们就知道了真个流程了，这里，我们再对流程梳理一下：
首先，从弱引用去缓存，如果有，则引用计数+1，没有则从 LruCache 取，如果有，则引用计数+1，且该缓存从 LruCache移除，存到 弱引用中。反过来，当该资源不再被引用时，就会从弱引用移除，存存到 LruCache 中。
而这个 引用计数是啥呢？acquired 这个变量是用来记录图片被引用的次数的，当从 loadFromActiveResources()、loadFromCache()、incrementPendingCallbacks，CallResourceReady#run 获取图片时，都会调用 acquire() 方法，让 acquired +1，当暂停请求或加载完毕，或清除资源都会调用 release() 方法，让 acquired -1
可以看到这个图：
二. 硬盘缓存
上面已经解释了 Glide 如何从内存缓存中拿到图片，但如果还是拿不到图片，则此时 Glide 会从以下两个方法来检查：
- 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？
即我们的硬盘缓存；Glide 的硬盘策略可以分为如下几种：
- DiskCacheStrategy.RESOURCE ：只缓存解码过的图片
- DiskCacheStrategy.DATA ：只缓存原始图片
- DiskCacheStrategy.ALL ： 即缓存原始图片，也缓存解码过的图片啊, 对于远程图片，缓存 DATA 和 RESOURCE；对本地使用 只缓存 RESOURCE。
- DiskCacheStrategy.NONE ：不使用硬盘缓存
- DiskCacheStrategy.AUTOMATIC ：默认策略，会对本地和和远程图片使用最佳的策略；对下载网络图片，使用 DATA，对于本地图片，使用 RESOURCE
**这里以下载一个远程图片为例子，且缓存策略为 DiskCacheStrategy.ALL **
从上面我们知道，一个图片的加载在 DecodeJob 这个类中，这个任务由 EngineJob 这个线程池去执行的。去到 run 方法，可以看到有个 runWrapped() 方法：
刚开始 runReason 初始化为 INITIALIZE , 所以它会走第一个 case，getNextStage 其实，就是对当前的缓存策略进行判断，由于我们的策略为DiskCacheStrategy.ALL ，所以 diskCacheStrategy.decodeCachedResource() 为true，即会解析解码的流程，所以 State 被赋值为 Stage.RESOURCE_CACHE，如下：
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:
// Skip loading from source if the user opted to only retrieve the resource from cache.
return onlyRetrieveFromCache ? Stage.FINISHED : Stage.SOURCE;
case SOURCE:
case FINISHED:
return Stage.FINISHED;
default:
throw new IllegalArgumentException("Unrecognized stage: " + current);
}
}接着，调用 currentGenerator = getNextGenerator() 拿到当前的解码器为 ResourceCacheGenerator；然后 调用 runGenerators() 方法，它才是关键；它里面维护着一个 while 循环，即不断通过 startNext() 去解析不同的缓存策略，当 stage == Stage.SOURCE 的时候，才会退出。
接着会调用 ResourceCacheGenerator 的 startNext() 方法，它会从生成缓存key，从 DiskLruCache 拿缓存，如下：
@Override
public boolean startNext() {
List<Key> sourceIds = helper.getCacheKeys();
...
while (modelLoaders == null || !hasNextModelLoader()) {
resourceClassIndex++;
if (resourceClassIndex >= resourceClasses.size()) {
sourceIdIndex++;
// 由于没有缓存，最后会在这里退出这个循环
if (sourceIdIndex >= sourceIds.size()) {
return false;
}
resourceClassIndex = 0;
}
Key sourceId = sourceIds.get(sourceIdIndex);
//获取缓存 key
currentKey =
new ResourceCacheKey(// NOPMD AvoidInstantiatingObjectsInLoops
helper.getArrayPool(),
sourceId,
helper.getSignature(),
helper.getWidth(),
helper.getHeight(),
transformation,
resourceClass,
helper.getOptions());
// 尝试从 DiskLruCache 拿数据
cacheFile = helper.getDiskCache().get(currentKey);
if (cacheFile != null) {
sourceKey = sourceId;
modelLoaders = helper.getModelLoaders(cacheFile);
modelLoaderIndex = 0;
}
}
loadData = null;
boolean started = false;
while (!started && hasNextModelLoader()) {
ModelLoader<File, ?> modelLoader = modelLoaders.get(modelLoaderIndex++);
loadData = modelLoader.buildLoadData(cacheFile,
helper.getWidth(), helper.getHeight(), helper.getOptions());
if (loadData != null && helper.hasLoadPath(loadData.fetcher.getDataClass())) {
started = true;
loadData.fetcher.loadData(helper.getPriority(), this);
}
}
return started;
}由于第一次肯定是拿不到缓存的，所以 while (modelLoaders == null || !hasNextModelLoader()) 循环会一直运行，直到返回 false。
if (sourceIdIndex >= sourceIds.size()) {
return false;
}同理，接着来则是 DataCacheGenerator 也是同样，最后，当 stage == Stage.SOURCE 的时候，才会退出，并调用reschedule() 方法。
而在 reschedule() 方法中，会把 runReason 的状态改成RunReason.SWITCH_TO_SOURCE_SERVICE ，并重新回调 run 方法
@Override
public void reschedule() {
runReason = RunReason.SWITCH_TO_SOURCE_SERVICE;
callback.reschedule(this);
}所以，它又会调用 runWrapped() 方法，但此时的 runReason 已经变成了 SWITCH_TO_SOURCE_SERVICE，所以它会执行 runGenerators() 方法
而在啊runGennerator() 方法中，它里面也是个 while 循环：
private void runGenerators() {
currentThread = Thread.currentThread();
startFetchTime = LogTime.getLogTime();
boolean isStarted = false;
while (!isCancelled && currentGenerator != null
&& !(isStarted = currentGenerator.startNext())) {
stage = getNextStage(stage);
currentGenerator = getNextGenerator();
if (stage == Stage.SOURCE) {
reschedule();
return;
}
}
...
}但此时的 currentGenerator 为 SourceGennerator ,已经不为null，所以，去到 SourceGennerator 的 startNext() 方法：
@Override
public boolean startNext() {
if (dataToCache != null) {
Object data = dataToCache;
dataToCache = null;
// 存储到 DiskLruCache
cacheData(data);
}
if (sourceCacheGenerator != null && sourceCacheGenerator.startNext()) {
return true;
}
sourceCacheGenerator = null;
loadData = null;
boolean started = false;
while (!started && hasNextModelLoader()) {
loadData = helper.getLoadData().get(loadDataListIndex++);
if (loadData != null
&& (helper.getDiskCacheStrategy().isDataCacheable(loadData.fetcher.getDataSource())
|| helper.hasLoadPath(loadData.fetcher.getDataClass()))) {
started = true;
//加载数据
loadData.fetcher.loadData(helper.getPriority(), this);
}
}
return started;
}首先它会判断 dataToCache 是否为 null，第一次肯定会 null，所以，可以先不管；这里看 loadData.fetcher.loadData(); 这个方法，loadData() 是个接口，它有很多个实现方法，由于我们这里假设是网络下载，所以去到 HttpUrlFetcher#loadData() 中：
可以看到，它拿到 inputStream 后，通过 onDataReady() 方法回调回去，在 SourceGenerator#onDataReady() 中，对 dataToCache 进行赋值；然后又调用 cb.reschedule(); 方法
@Override
public void onDataReady(Object data) {
DiskCacheStrategy diskCacheStrategy = helper.getDiskCacheStrategy();
if (data != null && diskCacheStrategy.isDataCacheable(loadData.fetcher.getDataSource())) {
dataToCache = data;
// We might be being called back on someone else's thread. Before doing anything, we should
// reschedule to get back onto Glide's thread.
cb.reschedule();
} else {
cb.onDataFetcherReady(loadData.sourceKey, data, loadData.fetcher,
loadData.fetcher.getDataSource(), originalKey);
}
}可以看到，绕了一圈，又调用 cb.reschedule() 方法，所以，它还是会走 DecodeJob 的run方法，且执行 runWrapped()；是不是看得很恶心？恩，我写得也是。
此时的 runReason 还是为 SWITCH_TO_SOURCE_SERVICE，currentGenerator 为 SourceGenerator ；所以，它还是会执行 SourceGenerator startNext() 方法，只不过此时 dataToCache 已经不为空，所以会执行 cacheData() 方法：
可以看到，对这个已经解析完的数据，通过 helper.getDiskCache().put() 方法，存到到 DiskLruCache 硬盘缓存中。并通过 loadData.fetcher.clearup() 清除任务，赋值 sourceCacheGenerator 为 DataCacheGenerator。
此时 sourceCacheGenerator 不为 null，所以会走 DataCacheGenerator 的startNext() 方法；
由于此时已经能从 DiskLruCache 拿到数据了，所以会跳出循环，走下一步：
然后则会调用 loadData.fetcher.loadData() 方法：
该方法会进入 MultiModeLoader#loadData 方法，里面才是重点；由于这种网络的，所以loadData () 方法中的 fetchers.get(currentIndex).loadData()，调用的是 ByteBufferFileLoader 方法：
@Override
public void loadData(
@NonNull Priority priority, @NonNull DataCallback<? super Data> callback) {
this.priority = priority;
this.callback = callback;
exceptions = throwableListPool.acquire();
fetchers.get(currentIndex).loadData(priority, this);
...
}
#ByteBufferFileLoader
@Override
public void loadData(@NonNull Priority priority,
@NonNull DataCallback<? super ByteBuffer> callback) {
ByteBuffer result;
try {
result = ByteBufferUtil.fromFile(file);
} catch (IOException e) {
if (Log.isLoggable(TAG, Log.DEBUG)) {
Log.d(TAG, "Failed to obtain ByteBuffer for file", e);
}
callback.onLoadFailed(e);
return;
}
// 回调 onDataReady 方法
callback.onDataReady(result);
}
#DataCacheGenerator#onDataReady
@Override
public void onDataReady(Object data) {
cb.onDataFetcherReady(sourceKey, data, loadData.fetcher, DataSource.DATA_DISK_CACHE, sourceKey);
}可以看到，最后回调了DataCacheGenerator#onDataReady() 方法，接下来则是回到 EngineJob 的onDataFetcherReady() 方法了。
从调试可以看到，最后走了 decodeFromRetrievedData方法，然后走的方法为 EngineJob#notifyComplete() - EngineJob#onResourceReady()
可以看到，最后终于调用 EngineJob 的 onResourceReady() 方法了。
这个方法在内存缓存中已经分析，它会把资源存到 弱引用且加载图片等操作。
此致，Glide 的缓存机制我们就分析完了。
是不是记不住？记不住就对了，看下面的总结和流程图把。
总结：
硬盘缓存时通过在 EngineJob 中的 DecodeJob 中完成的，先通过ResourcesCacheGenerator、DataCacheGenerator 看是否能从 DiskLruCache 拿到数据，如果不能，从SourceGenerator去解析数据，并把数据存储到 DiskLruCache 中，后面通过 DataCacheGenerator 的 startNext() 去分发 fetcher 。
最后会回调 EngineJob 的 onResourceReady() 方法了，该方法会加载图片，并把数据存到弱引用中
流程图：
三. 为啥要用弱引用
我们知道，glide 是用弱引用缓存当前的活跃资源的；为啥不直接从 LruCache 取呢？原因猜测如下：
- 这样可以保护当前使用的资源不会被 LruCache 算法回收
- 使用弱引用，即可以缓存正在使用的强引用资源，又不阻碍系统需要回收的无引用资源。
