基于Java LinkedList,实现Android大数据缓存策略，, import j

基于Java LinkedList,实现Android大数据缓存策略，, import j

    import java.util.HashMap;      import java.util.LinkedList;      /*      * 基于Java LinkedList,实现Android大数据缓存策略      * 作者：Zhang Phil      * 原文出处：http://blog.csdn.net/zhangphil      *       * 实现原理：原理的模型认为：在LinkedList的头部元素是最旧的缓存数据，在LinkedList的尾部是最新的缓存数据。      * 在一个LinkedList（类型C的链表）维护一个存储堆栈，添加元素时候顺序、依次添加。      *      *  原理实现的具体方案：只要调用缓存的get()方法后，立即将此元素从原先在LinkedList的位置更新到LinkedList最后的位置。      *  比如，原先是：1,2,3,4,5。当get了2后，现在的顺序是：1,3,4,5,2。      *      *  缓存空间满的情况下，则删除最旧的元素（在最头部），以腾出空间。       * 比如，缓存空间是5，原先缓存已经缓存了5个元素：a,b,c,d,e，      * 当再次添加元素 f 时候，因为缓存空间是5容不下6个元素，所以删除最头部的元素a，把f追加到最尾部变成： b,c,d,e,f      *       * 具体使用：类似于Android的LruCache，对外公开两个通用（通用,意味着可以存Bitmap或者类似的数据）方法供存储和读取使用：      *  public void put(String key, Object obj);      *  public Object get(String key);      *  即通用的<key,value>存储和读取模型。注意：使用者应保证存储时的key唯一。      * */      public class CacheBasedOnLinkedList {          // Capacity默认的缓存容量          private static int CAPACITY = 30;          private LinkedList<HashMap<String, Object>> mLinkedList;          private final String KEY = "key", VALUE = "value";          public CacheBasedOnLinkedList() {              init();          }          public CacheBasedOnLinkedList(int capacity) {              CAPACITY = capacity;              init();          }          private void init() {              mLinkedList = new LinkedList<HashMap<String, Object>>();          }          // 动态调整缓存空间大小。          // 注意！该方法极可能线程不安全。          public void ensureCapacity(int capacity) {              if (capacity >= CAPACITY) {                  // 若比原先大，直接赋值即可                  // Capacity = capacity;              } else {                  // 若新调整的容量比原先还要小，那么一个一个的删掉头部元素直到相等                  while (mLinkedList.size() > capacity) {                      HashMap<String, Object> map = mLinkedList.removeFirst();                      System.out.println("\n删除-> " + map.get(KEY) + ":"                              + map.get(VALUE));                  }              }              CAPACITY = capacity;              System.out.println("\n重新调整缓存容量为:" + CAPACITY);          }          // 把需要缓存的数据以<key,value>键值对的形式存入缓存。          // 存之前，要检查缓存是否满，满了的话就删除LinkedList第一个元素。          public void put(String key, Object obj) {              if (mLinkedList.size() < CAPACITY) {              } else {                  HashMap<String, Object> map = mLinkedList.removeFirst();                  System.out.println("\n缓存空间已满!删除-> " + map.get(KEY) + ":"                          + map.get(VALUE));              }              HashMap<String, Object> map = new HashMap<String, Object>();              map.put(KEY, key);              map.put(VALUE, obj);              mLinkedList.addLast(map);              System.out.println("\n缓存-> " + map.get(KEY) + ":" + map.get(VALUE));          }          // 根据key读出缓存数据          // 原理：从头到尾遍历整个链表LinkedList，只要检查到元素中的key和给定的key相同，立即返回。          // 同时更新该元素在LinkedList中位置:从原先的位置放到最后一个位置。          public Object get(String key) {              Object obj = null;              for (HashMap<String, Object> map : mLinkedList) {                  if (map.get(KEY).equals(key)) {                      System.out.println("读取->" + key + ":" + map.get(VALUE));                      mLinkedList.remove(map);                      mLinkedList.addLast(map);                      return map.get(VALUE);                  }              }              return obj;          }      //  // 仅仅是打印输出现在最新的缓存数据情况。      //  private void out() {      //      System.out.print("最新缓存情况:");      //      for (HashMap<String, Object> map : mLinkedList) {      //          System.out.print(map.get(KEY) + ":" + map.get(VALUE) + ",");      //      }      //  }      //  // 测试      //  public static void main(String[] args) {      //      CacheBasedOnLinkedList cache = new CacheBasedOnLinkedList(2);      //      //      Random rand = new Random();      //      //      for (int i = 0; i < 100; i++) {      //          cache.ensureCapacity(rand.nextInt(100) + 1);      //          cache.put(i + "", i);      //          cache.get(rand.nextInt(100) + "");      //          cache.out();      //      }      //  }      }