展会信息港展会大全

Android使用缓存优化ListView
来源:互联网   发布日期:2016-01-14 11:22:35   浏览:1868次  

导读:ListView调用Adapter的getView方法获取每一个Item布局,将这些已经获得的Item布局放入缓存,不仅可以提高程序的反应速度,而且可以节省许多流量,将数据进行缓存有两种方法是:一种是将sd卡缓存,另一种是内存缓......

ListView调用Adapter的getView方法获取每一个Item布局,将这些已经获得的Item布局放入缓存,不仅可以提高程序的反应速度,而且可以节省许多流量,将数据进行缓存有两种方法是:一种是将sd卡缓存,另一种是内存缓存,在此分别进行演示。

sd卡缓存:

sd卡缓存是将下载的数据保存到sd卡中,当需要再次使用数据时,就先判断sd卡中是否存在这些数据,如果存在的话,就直接从sd卡中读取,如果不存在的话就从网上下载,然后保存到sd卡中。

内存缓存:

内存优化是将获取到的数据存入到Map集合中,如果再次引用此数据,就直接从Map集合中获取,这样会导致一个问题,如果Map集合中的数据特别多,比如存取了100万条数据,这样有可能就会导致内存溢出。这是因为Map集合是强引用的集合,如何不把Map集合置为空的话,这个集合Java虚拟机就不会把它回收掉,当Map中的数据大小超过了内存大小就会导致内存溢出。为了避免这种异常我们要使用软引用softreference,软引用和强引用的区别如下:

1、softreference 他是java虚拟机给我们提供的一个包装类型。

在包装类型里面的对象,一般情况下,java虚拟机会尽量长时间的保留这个对象。

当java虚拟机内存不足的时候,java虚拟机就会回收softreference里面的对象。

2、hardreference 默认new出来的对象都是这种强应用的类型。

只要一个对象还保留的有引用,他就不会被垃圾回收。

Map<String,Bitmap> map;

核心代码:

sd卡缓存:

public class MyReadAdapter extends BaseAdapter {

private List<CollectionEntry> entrys;

public MyReadAdapter(CollectionFeed feeds) {

entrys = feeds.getEntries();

}

public int getCount() {

return entrys.size();

}

public Object getItem(int position) {

return entrys.get(position);

}

public long getItemId(int position) {

return position;

}

public View getView(int position, View convertView, ViewGroup parent) {

View view = infalter.inflate(R.layout.myread_item, null);

final ImageView iv = (ImageView) view.findViewById(R.id.book_img);

// 获取数据实体

CollectionEntry ce = entrys.get(position);

// 获取图片地址

String iconurl = ce.getSubjectEntry().getLink("image", null).getHref();

int start = iconurl.lastIndexOf("/");

int end = iconurl.length();

final String iconname = iconurl.substring(start, end);

// Environment.getExternalStorageDirectory()这个是sd卡目录

File file = new File(Environment.getExternalStorageDirectory(),

iconname);

// 获取sd卡缓存

if (file.exists()) {

iv.setImageURI(Uri.fromFile(file));

Log.i(TAG, "使用sd卡图片");

} else {

new LoadImageAsynTask(new ImageTaskCallback() {

// 图片获取之后

public void onImageLoaded(Bitmap bitmap) {

if (bitmap != null) {

iv.setImageBitmap(bitmap);

// 把图片存到sd卡上

if (Environment.getExternalStorageState().equals(

Environment.MEDIA_MOUNTED)) {

try {

File file = new File(Environment

.getExternalStorageDirectory(),

iconname);

FileOutputStream fos = new FileOutputStream(

file);

bitmap.compress(CompressFormat.JPEG, 100, fos);

} catch (Exception e) {

e.printStackTrace();

}

}

} else {

iv.setImageResource(R.drawable.book);

}

}

// 图片获取之前

public void beforeImageLoaded() {

iv.setImageResource(R.drawable.book);

}

}).execute(iconurl);

}

return view;

}

}

内存缓存:

Map<String,SoftReference<Bitmap>> map;

public class MyReadAdapter extends BaseAdapter {

private List<CollectionEntry> entrys;

public MyReadAdapter(CollectionFeed feeds) {

entrys = feeds.getEntries();

}

public int getCount() {

return entrys.size();

}

public Object getItem(int position) {

return entrys.get(position);

}

public long getItemId(int position) {

return position;

}

public View getView(int position, View convertView, ViewGroup parent) {

View view = infalter.inflate(R.layout.myread_item, null);

final ImageView iv = (ImageView) view.findViewById(R.id.book_img);

// 获取到数据的实体

CollectionEntry ce = entrys.get(position);

// 获取到图片的Url

String iconurl = ce.getSubjectEntry().getLink("image", null).getHref();

int start = iconurl.lastIndexOf("/");

int end = iconurl.length();

final String iconname = iconurl.substring(start, end);

// 使用内存缓存

if (map != null && map.get(iconname) != null) {

iv.setImageBitmap(map.get(iconname).get());

Log.i(TAG, "使用内存缓存");

} else {

new LoadImageAsynTask(new ImageTaskCallback() {

// 图片获取之后

public void onImageLoaded(Bitmap bitmap) {

if (bitmap != null) {

iv.setImageBitmap(bitmap);

// 存放到内存中,

// 软引用类型的bitmap

map.put(iconname, new SoftReference<Bitmap>(bitmap));

} else {

iv.setImageResource(R.drawable.book);

}

}

// 图片获取之前

public void beforeImageLoaded() {

iv.setImageResource(R.drawable.book);

}

}).execute(iconurl);

}

return view;

}

}

赞助本站

人工智能实验室

相关热词: 缓存 优化 ListView

AiLab云推荐
推荐内容
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港