目录介绍
- 01.整体概述说明
- 1.1 项目背景介绍
- 1.2 遇到问题记录
- 1.3 基础概念介绍
- 1.4 设计目标
- 1.5 产生收益分析
- 02.市面存储方案
- 2.1 缓存存储有哪些
- 2.2 缓存策略有哪些
- 2.3 常见存储方案
- 2.4 市面存储方案说明
- 2.5 存储方案的不足
- 03.存储方案原理
- 3.1 Sp存储原理分析
- 3.2 MMKV存储原理分析
- 3.3 LruCache考量分析
- 3.4 DiskLru原理分析
- 3.5 DataStore分析
- 3.6 HashMap存储分析
- 3.7 Sqlite存储分析
- 3.8 使用存储的注意点
- 3.9 各种数据存储文件
- 04.通用缓存方案思路
- 4.1 如何兼容不同缓存
- 4.2 打造通用缓存Api
- 4.3 切换不同缓存方式
- 4.4 缓存的过期处理
- 4.5 缓存的阀值处理
- 4.6 缓存的线程安全性
- 4.7 缓存数据的迁移
- 4.8 缓存数据加密处理
- 4.9 缓存效率的对比
- 05.方案基础设计
- 5.1 整体架构图
- 5.2 UML设计图
- 5.3 关键流程图
- 5.4 模块间依赖关系
- 06.其他设计说明
- 6.1 性能设计说明
- 6.2 稳定性设计
- 6.3 灰度设计
- 6.4 降级设计
- 6.5 异常设计说明
- 6.6 兼容性设计
- 6.7 自测性设计
- 07.通用Api设计
- 7.1 如何依赖该库
- 7.2 初始化缓存库
- 7.3 切换各种缓存方案
- 7.4 数据的存和取
- 7.5 线程安全考量
- 7.6 查看缓存文件数据
- 7.7 如何选择合适方案
- 08.其他说明介绍
- 8.1 遇到的坑分析
- 8.2 遗留的问题
- 8.3 未来的规划
- 8.4 参考链接记录
01.整体概述说明
1.1 项目背景介绍
- 项目中很多地方使用缓存方案
- 有的用
sp，有的用mmkv，有的用lru，有的用DataStore，有的用sqlite，如何打造通用api切换操作不同存储方案？
- 有的用
- 缓存方案众多，且各自使用场景有差异，如何选择合适的缓存方式？
- 针对不同场景选择什么缓存方式，同时思考如何替换之前老的存储方案，而不用花费很大的时间成本！
- 针对不同的业务场景，不同的缓存方案。打造一套通用的方案
- 屏蔽各种缓存方式的差异性，暴露给外部开发者统一的API，外部开发者简化使用，提高开发效率和使用效率……
1.2 遇到问题记录
- 记录几个常见的问题
- 问题1：各种缓存方案，分别是如何保证数据安全的，其内部使用到了哪些锁？由于引入锁，给效率上带来了什么影响？
- 问题2：各种缓存方案，进程不安全是否会导致数据丢失，如何处理数据丢失情况？如何处理脏数据，其原理大概是什么？
- 问题3：各种缓存方案使用场景是什么？有什么缺陷，为了解决缺陷做了些什么？比如sp存在缺陷的替代方案是DataStore，为何这样？
- 问题4：各种缓存方案，他们的缓存效率是怎样的？如何对比？接入该库后，如何做数据迁移，如何覆盖操作？
- 思考一个K-V框架的设计
- 问题1-线程安全：使用K-V存储一般会在多线程环境中执行，因此框架有必要保证多线程并发安全，并且优化并发效率；
- 问题2-内存缓存：由于磁盘 IO 操作是耗时操作，因此框架有必要在业务层和磁盘文件之间增加一层内存缓存；
- 问题3-事务：由于磁盘 IO 操作是耗时操作，因此框架有必要将支持多次磁盘 IO 操作聚合为一次磁盘写回事务，减少访问磁盘次数；
- 问题4-事务串行化：由于程序可能由多个线程发起写回事务，因此框架有必要保证事务之间的事务串行化，避免先执行的事务覆盖后执行的事务；
- 问题5-异步或同步写回：由于磁盘 IO 是耗时操作，因此框架有必要支持后台线程异步写回；有时候又要求数据读写是同步的；
- 问题6-增量更新：由于磁盘文件内容可能很大，因此修改 K-V 时有必要支持局部修改，而不是全量覆盖修改；
- 问题7-变更回调：由于业务层可能有监听 K-V 变更的需求，因此框架有必要支持变更回调监听，并且防止出现内存泄漏；
- 问题8-多进程：由于程序可能有多进程需求，那么框架如何保证多进程数据同步？
- 问题9-可用性：由于程序运行中存在不可控的异常和 Crash，因此框架有必要尽可能保证系统可用性，尽量保证系统在遇到异常后的数据完整性；
- 问题10-高效性：性能永远是要考虑的问题，解析、读取、写入和序列化的性能如何提高和权衡；
- 问题11-安全性：如果程序需要存储敏感数据，如何保证数据完整性和保密性；
- 问题12-数据迁移：如果项目中存在旧框架，如何将数据从旧框架迁移至新框架，并且保证可靠性；
- 问题13-研发体验：是否模板代码冗长，是否容易出错。各种K—V框架使用体验如何？
- 常见存储框架设计思考导图
1.3 基础概念介绍
- 最初缓存的概念
- 提及缓存，可能很容易想到Http的缓存机制，
LruCache，其实缓存最初是针对于网络而言的，也是狭义上的缓存，广义的缓存是指对数据的复用。
- 提及缓存，可能很容易想到Http的缓存机制，
- 缓存容量，就是缓存的大小
- 每一种缓存，总会有一个最大的容量，到达这个限度以后，那么就须要进行缓存清理了框架。这个时候就需要删除一些旧的缓存并添加新的缓存。
1.4 设计目标
- 打造通用存储库：
- 设计一个缓存通用方案，其次，它的结构需要很简单，因为很多地方需要用到，再次，它得线程安全。灵活切换不同的缓存方式，使用简单。
- 内部开源该库：
- 作为技术沉淀，当作专项来推动进展。高复用低耦合，便于拓展，可快速移植，解决各个项目使用内存缓存，sp，mmkv，sql，lru，DataStore的凌乱。抽象一套统一的API接口。
1.5 产生收益分析
- 统一缓存API兼容不同存储方案
- 打造通用api，抹平了sp，mmkv，sql，lru，dataStore等各种方案的差异性。简化开发者使用，功能强大而使用简单！
02.市面存储方案
2.1 缓存存储有哪些
- 比较常见的是内存缓存以及磁盘缓存。
- 内存缓存：这里的内存主要指的存储器缓存；磁盘缓存：这里主要指的是外部存储器，手机的话指的就是存储卡。
- 内存缓存：
- 通过预先消耗应用的一点内存来存储数据，便可快速的为应用中的组件提供数据，是一种典型的以空间换时间的策略。
- 磁盘缓存：
- 读取磁盘文件要比直接从内存缓存中读取要慢一些，而且需要在一个UI主线程外的线程中进行，因为磁盘的读取速度是不能够保证的，磁盘文件缓存显然也是一种以空间换时间的策略。
- 二级缓存：
- 内存缓存和磁盘缓存结合。比如，
LruCache将图片保存在内存，存取速度较快，退出APP后缓存会失效；而DiskLruCache将图片保存在磁盘中，下次进入应用后缓存依旧存在，它的存取速度相比LruCache会慢上一些。
- 内存缓存和磁盘缓存结合。比如，
2.2 缓存策略有哪些
- 缓存的核心思想主要是什么呢
- 一般来说，缓存核心步骤主要包含缓存的添加、获取和删除这三类操作。那么为什么还要删除缓存呢？不管是内存缓存还是硬盘缓存，它们的缓存大小都是有限的。
- 当缓存满了之后，再想其添加缓存，这个时候就需要删除一些旧的缓存并添加新的缓存。这个跟线程池满了以后的线程处理策略相似！
- 缓存的常见的策略有那些
- FIFO(first in first out)：先进先出策略，相似队列。
- LFU(less frequently used)：最少使用策略，
RecyclerView的缓存采用了此策略。 - LRU(least recently used):最近最少使用策略，
Glide在进行内存缓存的时候采用了此策略。
2.3 常见存储方案
- 内存缓存：存储在内存中，如果对象销毁则内存也会跟随销毁。如果是静态对象，那么进程杀死后内存会销毁。
- Map，LruCache等等
- 磁盘缓存：后台应用有可能会被杀死，那么相应的内存缓存对象也会被销毁。当你的应用重新回到前台显示时，你需要用到缓存数据时，这个时候可以用磁盘缓存。
- SharedPreferences，MMKV，DiskLruCache，SqlLite，DataStore，Room，Realm，GreenDao等等
2.4 市面存储方案说明
- 内存缓存
- Map：内存缓存，一般用HashMap存储一些数据，主要存储一些临时的对象
- LruCache：内存淘汰缓存，内部使用LinkedHashMap，会淘汰最长时间未使用的对象
- 磁盘缓存
- SharedPreferences：轻量级磁盘存储，一般存储配置属性，线程安全。建议不要存储大数据，不支持跨进程！
- MMKV：腾讯开源存储库，内部采用mmap。
- DiskLruCache：磁盘淘汰缓存，写入数据到file文件
- SqlLite：移动端轻量级数据库。主要是用来对象持久化存储。
- DataStore：旨在替代原有的 SharedPreferences，支持SharedPreferences数据的迁移
- Room/Realm/GreenDao：支持大型或复杂数据集
- 其他开源缓存库
- ACache：一款高效二级存储库，采用内存缓存和磁盘缓存
2.5 存储方案的不足
- 存储方案SharedPreferences的不足
- 1.SP用内存层用HashMap保存，磁盘层则是用的XML文件保存。每次更改，都需要将整个HashMap序列化为XML格式的报文然后整个写入文件。
- 2.SP读写文件不是类型安全的，且没有发出错误信号的机制，缺少事务性API
- 3.commit() / apply()操作可能会造成ANR问题
- 存储方案MMKV的不足
- 1.没有类型信息，不支持getAll。由于没有记录类型信息，MMKV无法自动反序列化，也就无法实现getAll接口。
- 2.需要引入so，增加包体积：引入MMKV需要增加的体积还是不少的。
- 3.文件只增不减：MMKV的扩容策略还是比较激进的，而且扩容之后不会主动trim size。
- 存储方案DataStore的不足
- 1.只是提供异步API，没有提供同步API方法。在进行大量同步存储的时候，使用runBlocking同步数据可能会卡顿。
- 2.对主线程执行同步 I/O 操作可能会导致 ANR 或界面卡顿。可以通过从 DataStore 异步预加载数据来减少这些问题。
03.存储方案原理
3.1 Sp存储原理分析
- SharedPreferences，它是一个轻量级的存储类，特别适合用于保存软件配置参数。
- 轻量级，以键值对的方式进行存储。采用的是xml文件形式存储在本地，程序卸载后会也会一并被清除，不会残留信息。线程安全的。
- 它有一些弊端如下所示
- 对文件IO读取，因此在IO上的瓶颈是个大问题，因为在每次进行get和commit时都要将数据从内存写入到文件中，或从文件中读取。
- 多线程场景下效率较低，在get操作时，会锁定SharedPreferences对象，互斥其他操作，而当put，commit时，则会锁定Editor对象，使用写入锁进行互斥，在这种情况下，效率会降低。
- 不支持跨进程通讯，由于每次都会把整个文件加载到内存中，不建议存储大的文件内容，比如大json。
- 有一些使用上的建议如下
- 建议不要存储较大数据；频繁修改的数据修改后统一提交而不是修改过后马上提交；在跨进程通讯中不去使用；键值对不宜过多
- 读写操作性能分析
- 第一次通过
Context.getSharedPreferences()进行初始化时，对xml文件进行一次读取，并将文件内所有内容（即所有的键值对）缓到内存的一个Map中，接下来所有的读操作，只需要从这个Map中取就可以
- 第一次通过
3.2 MMKV存储原理分析
- 早期微信的需求
- 微信聊天对话内容中的特殊字符所导致的程序崩溃是一类很常见、也很需要快速解决的问题；而哪些字符会导致程序崩溃，是无法预知的。
- 只能等用户手机上的微信崩溃之后，再利用类似时光倒流的回溯行为，看看上次软件崩溃的最后一瞬间，用户收到或者发出了什么消息，再用这些消息中的文字去尝试复现发生过的崩溃，最终试出有问题的字符，然后针对性解决。
- 该需求对应的技术考量
- 考量1：把聊天页面的显示文字写到手机磁盘里，才能在程序崩溃、重新启动之后，通过读取文件的方式来查看。但这种方式涉及到io流读写，且消息多会有性能问题。
- 考量2：App程序都崩溃了，如何保证要存储的内容，都写入到磁盘中呢？
- 考量3：保存聊天内容到磁盘的行为，这个做成同步还是异步呢？如果是异步，如何保证聊天消息的时序性？
- 考量4：如何存储数据是同步行为，针对群里聊天这么多消息，如何才能避免卡顿呢？
- 考量5：存储数据放到主线程中，用户在群聊天页面猛滑消息，如何爆发性集中式对磁盘写入数据？
- MMKV存储框架介绍
- MMKV 是基于 mmap 内存映射的 key-value 组件，底层序列化/反序列化使用 protobuf 实现，性能高，稳定性强。
- MMKV设计的原理
- 内存准备：通过 mmap 内存映射文件，提供一段可供随时写入的内存块，App 只管往里面写数据，由操作系统负责将内存回写到文件，不必担心 crash 导致数据丢失。
- 数据组织：数据序列化方面我们选用 protobuf 协议，pb 在性能和空间占用上都有不错的表现。
- 写入优化：考虑到主要使用场景是频繁地进行写入更新，需要有增量更新的能力。考虑将增量 kv 对象序列化后，append 到内存末尾。
- 空间增长：使用 append 实现增量更新带来了一个新的问题，就是不断 append 的话，文件大小会增长得不可控。需要在性能和空间上做个折中。
- MMKV诞生的背景
- 针对该业务，高频率，同步，大量数据写入磁盘的需求。不管用sp，还是store，还是disk，还是数据库，只要在主线程同步写入磁盘，会很卡。
- 解决方案就是：使用内存映射mmap的底层方法，相当于系统为指定文件开辟专用内存空间，内存数据的改动会自动同步到文件里。
- 用浅显的话说：MMKV就是实现用「写入内存」的方式来实现「写入磁盘」的目标。内存的速度多快呀，耗时几乎可以忽略，这样就把写磁盘造成卡顿的问题解决了。
3.3 LruCache考量分析
- 在LruCache的源码中，关于LruCache有这样的一段介绍：
- cache对象通过一个强引用来访问内容。每次当一个item被访问到的时候，这个item就会被移动到一个队列的队首。当一个item被添加到已经满了的队列时，这个队列的队尾的item就会被移除。
- LruCache核心思想
- LRU是近期最少使用的算法，它的核心思想是当缓存满时，会优先淘汰那些近期最少使用的缓存对象。采用LRU算法的缓存有两种：LrhCache和DiskLruCache，分别用于实现内存缓存和硬盘缓存，其核心思想都是LRU缓存算法。
- LruCache使用是计数or计量
- 使用计数策略：1、Message 消息对象池：最多缓存 50 个对象；2、OkHttp 连接池：默认最多缓存 5 个空闲连接；3、数据库连接池
- 使用计量策略：1、图片内存缓存；2、位图池内存缓存
- 那么思考一下如何理解 计数 or 计量 ？针对计数策略使用Lru仅仅只统计缓存单元的个数，针对计量则要复杂一点。
- LruCache策略能否增加灵活性
- 在缓存容量满时淘汰，除了这个策略之外，能否再增加一些辅助策略，例如在 Java 堆内存达到某个阈值后，对 LruCache 使用更加激进的清理策略。
- 比如：Glide 除了采用 LRU 策略淘汰最早的数据外，还会根据系统的内存紧张等级 onTrimMemory(level) 及时减少甚至清空 LruCache。
/** * 这里是参考glide中的lru缓存策略，低内存的时候清除 * @param level level级别 */ public void trimMemory(int level) { if (level >= android.content.ComponentCallbacks2.TRIM_MEMORY_BACKGROUND) { clearMemory(); } else if (level >= android.content.ComponentCallbacks2.TRIM_MEMORY_UI_HIDDEN || level == android.content.ComponentCallbacks2.TRIM_MEMORY_RUNNING_CRITICAL) { trimToSize(maxSize() / 2); } } ``` - 关于Lru更多的原理解读，可以看：AppLruCache
3.4 DiskLru原理分析
- DiskLruCache 用于实现存储设备缓存，即磁盘缓存，它通过将缓存对象写入文件系统从而实现缓存的效果。
- DiskLruCache最大的特点就是持久化存储，所有的缓存以文件的形式存在。在用户进入APP时，它根据日志文件将DiskLruCache恢复到用户上次退出时的情况，日志文件journal保存每个文件的下载、访问和移除的信息，在恢复缓存时逐行读取日志并检查文件来恢复缓存。
- DiskLruCache缓存基础原理流程图
- 关于DiskLruCache更多的原理解读，可以看：AppLruDisk
3.5 DataStore分析
- 为何会有DataStore
- DataStore 被创造出来的目标就是替代 Sp，而它解决的 SharedPreferences 最大的问题有两点：一是性能问题，二是回调问题。
- DataStore优势是异步Api
- DataStore 的主要优势之一是异步API，所以本身并未提供同步API调用，但实际上可能不一定始终能将周围的代码更改为异步代码。
- 提出一个问题和思考
- 如果使用现有代码库采用同步磁盘 I/O，或者您的依赖项不提供异步API，那么如何将DataStore存储数据改成同步调用？
- 使用阻塞式协程消除异步差异
- 使用 runBlocking() 从 DataStore 同步读取数据。runBlocking()会运行一个新的协程并阻塞当前线程直到内部逻辑完成，所以尽量避免在UI线程调用。
- 频繁使用阻塞式协程会有问题吗
- 要注意的一点是，不用在初始读取时调用runBlocking，会阻塞当前执行的线程，因为初始读取会有较多的IO操作，耗时较长。
- 更为推荐的做法则是先异步读取到内存后，后续有需要可直接从内存中拿，而非运行同步代码阻塞式获取。
3.6 HashMap存储分析
- 内存缓存的场景
- 比如 SharedPreferences 存储中，就做了内存缓存的操作。
3.7 Sqlite存储分析
- 注意：缓存的数据库是存放在/data/data/databases/目录下，是占用内存空间的，如果缓存累计，容易浪费内存，需要及时清理缓存。
3.8 使用缓存注意点
- 在使用内存缓存的时候须要注意防止内存泄露，使用磁盘缓存的时候注意确保缓存的时效性
- 针对SharedPreferences使用建议有：
- 因为 SharedPreferences 虽然是全量更新的模式，但只要把保存的数据用合适的逻辑拆分到多个不同的文件里，全量更新并不会对性能造成太大的拖累。
- 它设计初衷是轻量级，建议当存储文件中key-value数据超过30个，如果超过30个（这个只是一个假设），则开辟一个新的文件进行存储。建议不同业务模块的数据分文件存储……
- 针对MMKV使用建议有：
- 如果项目中有高频率，同步存储数据，使用MMKV更加友好。
- 针对DataStore使用建议有：
- 建议在初始化的时候，使用全局上下文Context给DataStore设置存储路径。
- 针对LruCache缓存使用建议：
- 如果你使用“计量”淘汰策略，需要重写 SystemLruCache#sizeOf() 测量缓存单元的内存占用量，否则缓存单元的大小默认视为 1，相当于 maxSize 表示的是最大缓存数量。
3.9 各种数据存储文件
- SharedPreferences 存储文件格式如下所示
- MMKV的存储结构，分了两个文件，一个数据文件，一个校验文件crc结尾。大概如下所示：
- 这种设计最直接问题就是占用空间变大了很多，举一个例子，只存储了一个字段，但是为了方便MMAP映射，磁盘直接占用了8k的存储。
- LruDiskCache 存储文件格式如下所示
- DataStore 存储文件格式如下所示
04.通用缓存方案思路
4.1 如何兼容不同缓存
- 定义通用的存储接口
- 不同的存储方案，由于api不一样，所以难以切换操作。要是想兼容不同存储方案切换，就必须自己制定一个通用缓存接口。
- 定义接口，然后各个不同存储方案实现接口，重写抽象方法。调用的时候，获取接口对象调用api，这样就可以统一Api
- 定义一个接口，这个接口有什么呢？
- 主要是存和取各种基础类型数据，比如saveInt/readInt；saveString/readString等通用抽象方法
4.2 打造通用缓存Api
- 通用缓存Api设计思路：
- 通用一套api + 不同接口实现 + 代理类 + 工厂模型
- 定义缓存的通用API接口，这里省略部分代码
interface ICacheable { fun saveXxx(key: String, value: Int) fun readXxx(key: String, default: Int = 0): Int fun removeKey(key: String) fun totalSize(): Long fun clearData() } ```- 基于接口而非实现编程的设计思想
- 将接口和实现相分离，封装不稳定的实现，暴露稳定的接口。上游系统面向接口而非实现编程，不依赖不稳定的实现细节，这样当实现发生变化的时候，上游系统的代码基本上不需要做改动，以此来降低耦合性，提高扩展性。
4.3 切换不同缓存方式
- 传入不同类型方便创建不同存储方式
- 隐藏存储方案创建具体细节，开发者只需要关心所需产品对应的工厂，无须关心创建细节，甚至无须知道具体存储方案的类名。需要符合开闭原则
- 那么具体该怎么实现呢？
- 看到下面代码是不是有种很熟悉的感觉，没错，正是使用了工厂模式，灵活切换不同的缓存方式。但针对应用层调用api却感知不到影响。
- 看到下面代码是不是有种很熟悉的感觉，没错，正是使用了工厂模式，灵活切换不同的缓存方式。但针对应用层调用api却感知不到影响。
public static ICacheable getCacheImpl(Context context, @CacheConstants.CacheType int type) { if (type == CacheConstants.CacheType.TYPE_DISK) { return DiskFactory.create().createCache(context); } else if (type == CacheConstants.CacheType.TYPE_LRU) { return LruCacheFactory.create().createCache(context); } else if (type == CacheConstants.CacheType.TYPE_MEMORY) { return MemoryFactory.create().createCache(context); } else if (type == CacheConstants.CacheType.TYPE_MMKV) { return MmkvFactory.create().createCache(context); } else if (type == CacheConstants.CacheType.TYPE_SP) { return SpFactory.create().createCache(context); } else if (type == CacheConstants.CacheType.TYPE_STORE) { return StoreFactory.create().createCache(context); } else { return MmkvFactory.create().createCache(context); } } ```
4.4 缓存的过期处理
- 说一个使用场景
- 比如你准备做WebView的资源拦截缓存，针对模版页面，为了提交加载速度。会缓存css，js，图片等资源到本地。那么如何选择存储方案，如何处理过期问题？
- 思考一下该问题
- 比如WebView缓存方案是数据库存储，db文件。针对缓存数据，猜想思路可能是Lru策略，或者标记时间清除过期文件。
- 那么缓存过期处理的策略有哪些
- 定时过期：每个设置过期时间的key都需要创建⼀个定时器，到过期时间就会立即清除。
- 惰性过期：只有当访问⼀个 key 时，才会判断该key是否已过期，过期则清除。
- 定期过期：每隔⼀定的时间，会扫描⼀定数量的数据库的 expires 字典中⼀定数量的key（是随机的）， 并 清除其中已过期的key 。
- 分桶策略：定期过期的优化，将过期时间点相近的 key 放在⼀起，按时间扫描分桶。
4.5 缓存的阀值处理
- 淘汰一个最早的节点就足够吗？以Lru缓存为案例做分析……
- 标准的 LRU 策略中，每次添加数据时最多只会淘汰一个数据，但在 LRU 内存缓存中，只淘汰一个数据单元往往并不够。
- 例如在使用 “计量” 的内存图片缓存中，在加入一个大图片后，只淘汰一个图片数据有可能依然达不到最大缓存容量限制。
- 那么在LRUCache该如何做呢？
- 在复用 LinkedHashMap 实现 LRU 内存缓存时，前文提到的 LinkedHashMap#removeEldestEntry() 淘汰判断接口可能就不够看了，因为它每次最多只能淘汰一个数据单元。
- LruCache是如何解决这个问题
- 这个地方就需要重写LruCache中的sizeOf()方法，然后拿到key和value对象计算其内存大小。
4.6 缓存的线程安全性
- 为何要强调缓存方案线程安全性
- 缓存虽好，用起来很快捷方便，但在使用过程中，大家一定要注意数据更新和线程安全，不要出现脏数据。
- 针对LruCache中使用LinkedHashMap读写不安全情况
- 保证LruCache的线程安全，在put，get等核心方法中，添加synchronized锁。这里主要是synchronized (this){ put操作 }
- 针对DiskLruCache读写不安全的情况
- DiskLruCache 管理多个 Entry（key-values），因此锁粒度应该是 Entry 级别的。
- get 和 edit 方法都是同步方法，保证内部的 Entry Map 的安全访问，是保证线程安全的第一步。
4.7 缓存数据的迁移
- 如何将Sp数据迁移到DataStore
- 通过属性委托的方式创建DataStore，基于已有的SharedPreferences文件进行创建DataStore。将sp文件名，以参数的形式传入preferencesDataStore，DataStore会自动将该文件中的数据进行转换。
- 通过属性委托的方式创建DataStore，基于已有的SharedPreferences文件进行创建DataStore。将sp文件名，以参数的形式传入preferencesDataStore，DataStore会自动将该文件中的数据进行转换。
val Context.dataStore: DataStore by preferencesDataStore( name = “user_info”, produceMigrations = { context -> listOf(SharedPreferencesMigration(context, “sp_file_name”)) }) ```- 如何将sp数据迁移到MMKV
- MMKV 提供了 importFromSharedPreferences() 函数，可以比较方便地迁移数据过来。
- MMKV 还额外实现了一遍 SharedPreferences、SharedPreferences.Editor 这两个 interface。
MMKV preferences = MMKV.mmkvWithID(“myData”); // 迁移旧数据 { SharedPreferences old_man = getSharedPreferences(“myData”, MODE_PRIVATE); preferences.importFromSharedPreferences(old_man); old_man.edit().clear().commit(); } ```- 思考一下，MMKV框架实现了sp的两个接口，即磨平了数据迁移差异性
- 那么使用这个方式，借鉴该思路，你能否尝试用该方法，去实现LruDiskCache方案的sp数据一键迁移。
4.8 缓存数据加密
- 思考一下，如果让你去设计数据的加密，你该怎么做？
- 具体可以参考MMKV的数据加密过程。
4.9 缓存效率的对比
- 测试数据
- 测试写入和读取。注意分别使用不同的方式，测试存储或获取相同的数据(数据为int类型数字，还有String类型长字符串)。然后查看耗时时间的长短……
- 比较对象
- SharePreferences/DataStore/MMKV/LruDisk/Room。使用华为手机测试
- 测试数据案例1
- 在主线程中测试数据，同步耗时时间(主线程还有其他的耗时)跟异步场景有较大差别。
- 测试数据案例2
- 测试1000组长字符串数据，MMKV 就不具备优势了，反而成了耗时最久的；而这时候的冠军就成了 DataStore，并且是遥遥领先。
- 最后思考说明
- 从最终的数据来看，这几种方案都不是很慢。虽然这半秒左右的主线程耗时看起来很可怕，但是要知道这是 1000 次连续写入的耗时。
- 而在真正写程序的时候，怎么会一次性做 1000 次的长字符串的写入？所以真正在项目中的键值对写入的耗时，不管你选哪个方案，都会比这份测试结果的耗时少得多的，都少到了可以忽略的程度，这是关键。
05.方案基础设计
5.1 整体架构图
- 统一存储方案的架构图
5.2 UML设计图
- 通用存储方案UML设计图
5.3 代码说明图
- 项目中代码相关说明图
5.4 关键流程图
- mmap的零拷贝流程图
5.5 模块间依赖关系
- 存储库依赖的关系
- MMKV需要依赖一些腾讯开源库的服务；DataStore存储需要依赖datastore相关的库；LruDisk存储需要依赖disk库
- 如果你要拓展其他的存储方案，则需要添加其依赖。需要注意，添加的库使用compileOnly。
06.其他设计说明
6.1 性能设计
- 关于基础库性能如何考量
- 具体性能可以参考测试效率的对比。
6.2 稳定性设计
- 针对多进程初始化
- 遇到问题：对于多进程在Application的onCreate创建几次，导致缓存存储库初始化了多次。
- 问题分析：该场景不是该库的问题，建议判断是否是主进程，如果是则进行初始化。
- 如何解决：思路是获取当前进程名，并与主进程对比，来判断是否为主进程。具体可以参考：优雅判断是否是主进程
6.3 灰度设计
- 暂无灰度设计
6.4 降级设计
- 由于缓存方式众多，在该库中配置了降级，如何设置降级
//设置是否是debug模式 CacheConfig cacheConfig = builder.monitorToggle(new IMonitorToggle() { @Override public boolean isOpen() { //todo 是否降级，如果降级，则不使用该功能。留给AB测试开关 return true; } }) //创建 .build(); CacheInitHelper.INSTANCE.init(this,cacheConfig); ```- 降级后的逻辑处理是
- 如果是降级逻辑，则默认使用谷歌官方存储框架SharedPreferences。默认是不会降级的！
if (CacheInitHelper.INSTANCE.isToggleOpen()){ //如果是降级，则默认使用sp return SpFactory.create().createCache(); } ```
6.5 异常设计说明
- DataStore初始化遇到的坑
- 遇到问题：不能将DataStore初始化代码写到Activity里面去，否则重复进入Activity并使用Preferences DataStore时，会尝试去创建一个同名的.preferences_pb文件。
- 问题分析：SingleProcessDataStore#check(!activeFiles.contains(it))，该方法会检查如果判断到activeFiles里已经有该文件，直接抛异常，即不允许重复创建。
- 如何解决：在项目中只在顶层调用一次 preferencesDataStore 方法，这样可以更轻松地将 DataStore 保留为单例。
- MMKV遇到的坑说明
- MMKV 是有数据损坏的概率的，MMKV 的 GitHub wiki 页面显示，微信的 iOS 版平均每天有 70 万次的数据校验不通过（即数据损坏）。
6.6 兼容性设计
- MMKV数据迁移比较难
- MMKV都是按字节进行存储的，实际写入文件把类型擦除了，这也是MMKV不支持getAll的原因，虽然说getAll用的不多问题不大，但是MMKV因此就不具备导出和迁移的能力。
- 比较好的方案是每次存储，多用一个字节来存储数据类型，这样占用的空间也不会大很多，但是具备了更好的可扩展性。
6.7 自测性设计
- MMKV不太方便查看数据和解析数据
- 官方目前支持了5个平台，Android、iOS、Win、MacOS、python，但是没有提供解析数据的工具，数据文件和crc都是字节码，除了中文能看出一些内容，直接查看还是存在大量乱码。
- 比如线上出了问题，把用户的存储文件捞上来，还得替换到系统目录里，通过代码断点去看，这也太不方便了。
- Sp，FastSp，DiskCache，Store等支持查看文件解析数据
- 傻瓜式的查看缓存文件，操作缓存文件。具体看该库：MonitorFileLib磁盘查看工具
07.通用Api设计
7.1 如何依赖该库
- 依赖该库如下所示
//通用缓存存储库，支持sp，fastsp，mmkv，lruCache，DiskLruCache等 implementation ‘com.github.yangchong211.YCCommonLib:AppBaseStore:1.4.8’ ```
7.2 初始化缓存库
- 通用存储库初始化
CacheConfig.Builder builder = CacheConfig.Companion.newBuilder(); //设置是否是debug模式 CacheConfig cacheConfig = builder.debuggable(BuildConfig.DEBUG) //设置外部存储根目录 .extraLogDir(null) //设置lru缓存最大值 .maxCacheSize(100) //内部存储根目录 .logDir(null) //创建 .build(); CacheInitHelper.INSTANCE.init(MainApplication.getInstance(),cacheConfig); //最简单的初始化 //CacheInitHelper.INSTANCE.init(CacheConfig.Companion.newBuilder().build()); ```
7.3 切换各种缓存方案
- 如何调用api切换各种缓存方案
//这里可以填写不同的type val cacheImpl = CacheFactoryUtils.getCacheImpl(CacheConstants.CacheType.TYPE_SP) ```
7.4 数据的存和取
- 存储数据和获取数据
//存储数据 dataCache.saveBoolean(“cacheKey1”,true); dataCache.saveFloat(“cacheKey2”,2.0f); dataCache.saveInt(“cacheKey3”,3); dataCache.saveLong(“cacheKey4”,4); dataCache.saveString(“cacheKey5”,“doubi5”); dataCache.saveDouble(“cacheKey6”,5.20); //获取数据
boolean data1 = dataCache.readBoolean(“cacheKey1”, false); float data2 = dataCache.readFloat(“cacheKey2”, 0); int data3 = dataCache.readInt(“cacheKey3”, 0); long data4 = dataCache.readLong(“cacheKey4”, 0); String data5 = dataCache.readString(“cacheKey5”, “”); double data6 = dataCache.readDouble(“cacheKey5”, 0.0); - 也可以通过注解的方式存储数据 kotlin
class NormalCache : DataCache() { @BoolCache(KeyConstant.HAS_ACCEPTED_PARENT_AGREEMENT, false) var hasAcceptParentAgree: Boolean by this } //如何使用
object CacheHelper { //常规缓存数据,记录一些重要的信息,慎重清除数据 private val normal: NormalCache by lazy { NormalCache().apply { setCacheImpl( DiskCache.Builder() .setFileId(“NormalCache”) .build() ) } } fun normal() = normal } //存数据
CacheHelper.normal().hasAcceptParentAgree = true //取数据 val hasAccept = CacheHelper.normal().hasAcceptParentAgree ```
7.5 查看缓存文件数据
- android缓存路径查看方法有哪些呢？
- 将手机打开开发者模式并连接电脑，在pc控制台输入cd /data/data/目录，使用adb主要是方便测试(删除，查看，导出都比较麻烦)。
- 如何简单快速，傻瓜式的查看缓存文件，操作缓存文件，那么该项目小工具就非常有必要呢！采用可视化界面读取缓存数据，方便操作，直观也简单。
- 一键接入该工具
- FileExplorerActivity.startActivity(this);
- 开源项目地址：https://github.com/yangchong211/YCAndroidTool
- 查看缓存文件数据如下所示
7.6 如何选择合适方案
- 比如常见的缓存、浏览器缓存、图片缓存、线程池缓存、或者WebView资源缓存等等
- 那就可以选择LRU+缓存淘汰算法。它的核心思想是当缓存满时，会优先淘汰那些近期最少使用的缓存对象。
- 比如针对高频率，同步存储，或者跨进程等存储数据的场景
- 那就可以选择MMKV这种存储方案。它的核心思想就是高速存储数据，且不会阻塞主线程卡顿。
- 比如针对存储表结构，或者一对多这类的数据
- 那就可以选择DataStore，Room，GreenDao等存储库方案。
- 比如针对存储少量用户类数据
- 其实也可以将json转化为字符串，然后选择sp，mmkv，lruDisk等等都可以。
08.其他说明介绍
8.1 遇到的坑分析
- Sp存储数据commit() / apply()操作可能会造成ANR问题
- commit()是同步提交，会在UI主线程中直接执行IO操作，当写入操作耗时比较长时就会导致UI线程被阻塞，进而产生ANR；
- apply()虽然是异步提交，但异步写入磁盘时，如果执行了Activity / Service中的onStop()方法，那么一样会同步等待SP写入完毕，等待时间过长时也会引起ANR问题。
- 首先分析一下SharedPreferences源码中apply方法
> SharedPreferencesImpl#apply()，这个方法主要是将记录的数据同步写到Map集合中，然后在开启子线程将数据写入磁盘
SharedPreferencesImpl#enqueueDiskWrite()，这个会将runnable被写入了队列，然后在run方法中写数据到磁盘 > QueuedWork#queue()，这个将runnable添加到sWork(LinkedList链表)中，然后通过handler发送处理队列消息MSG_RUN - 然后再看一下ActivityThread源码中的handlePauseActivity()、handleStopActivity()方法。
ActivityThread#handlePauseActivity()/handleStopActivity()，Activity在pause和stop的时候会调用该方法
ActivityThread#handlePauseActivity()#QueuedWork.waitToFinish()，这个是等待QueuedWork所有任务处理完的逻辑 > QueuedWork#waitToFinish()，这个里面会通过handler查询MSG_RUN消息是否有，如果有则会waiting等待 - 那么最后得出的结论是
- handlePauseActivity()的时候会一直等待 apply() 方法将数据保存成功，否则会一直等待，从而阻塞主线程造成 ANR。但普通存储的场景，这种可能性很小。
8.2 项目开发分享
共同学习，写下你的评论
评论加载中...
作者其他优质文章
