lrucache源码
㈠ android disklrucache怎么使用
下面是一个简单的DiskLruCache实现。然而推荐的实现DiskLruCache方案请参考Android4.0中（libcore/luni/src/main/java/libcore/io/DiskLruCache.java）源码。本文使用的是之前版本中的简单实现（Quick Search中是另外的实现）.
显示是简单实现DiskLruCache更新后的例子：
private DiskLruCache mDiskCache;
private static final int DISK_CACHE_SIZE = 1024 * 1024 * 10; // 10MB
private static final String DISK_CACHE_SUBDIR = "thumbnails";
@Override
protected void onCreate(Bundle savedInstanceState) {
...
// Initialize memory cache
...
File cacheDir = getCacheDir(this, DISK_CACHE_SUBDIR);
mDiskCache = DiskLruCache.openCache(this, cacheDir, DISK_CACHE_SIZE);
...
}
class BitmapWorkerTask extends AsyncTask {
...
// Decode image in background.
@Override
protected Bitmap doInBackground(Integer... params) {
final String imageKey = String.valueOf(params[0]);
// Check disk cache in background thread
Bitmap bitmap = getBitmapFromDiskCache(imageKey);
if (bitmap == null) { // Not found in disk cache
// Process as normal
final Bitmap bitmap = (
getResources(), params[0], 100, 100));
}
// Add final bitmap to caches
addBitmapToCache(String.valueOf(imageKey, bitmap);
return bitmap;
}
...
}
public void addBitmapToCache(String key, Bitmap bitmap) {
// Add to memory cache as before
if (getBitmapFromMemCache(key) == null) {
mMemoryCache.put(key, bitmap);
}
// Also add to disk cache
if (!mDiskCache.containsKey(key)) {
mDiskCache.put(key, bitmap);
}
}
public Bitmap getBitmapFromDiskCache(String key) {
return mDiskCache.get(key);
}
// Creates a unique subdirectory of the designated app cache directory. Tries to use external
// but if not mounted, falls back on internal storage.
public static File getCacheDir(Context context, String uniqueName) {
// Check if media is mounted or storage is built-in, if so, try and use external cache dir
// otherwise use internal cache dir
final String cachePath = Environment.getExternalStorageState() == Environment.MEDIA_MOUNTED
|| !Environment.isExternalStorageRemovable() ?
context.getExternalCacheDir().getPath() : context.getCacheDir().getPath();
return new File(cachePath + File.separator + uniqueName);
}
内存缓存检查在UI线程中做，磁盘缓存的检查在后台线程中。硬盘操作不应在UI线程中。图片处理完成后应将其加入正在使用的内存、磁盘缓存中。
㈡ 使用ExpandableListView以及怎么优化view的显示减少内存占用
解决方案Github pull request链接：
Android的原生提供和展开分组的ListView：ExpandableListView，然而相比于iOS上原生提供的UITableView，其UI能力不足，比如没有原生的动画展开和收起效果支持。
在开源代码社区我们可以找到几个为Android的ExpandableListView添加的动画解决方案。其中innololz的AnimatedExpandableListView是不错的方案之一。 。它的优点：性能较好，提供源代码而不是library（这点很重要），注释清晰。
然而性能的优化是没有止境的，当分组内的子view(childView)变得复杂，或者ListView的parent结构复杂，例如内嵌与其它LinearLayout, FrameLayout或者ScrollView之中，并且parent的使用自定义的重写的onMeasure（）方法时，生成childView的效率就会大大影响应用的性能。
合理使用AnimatedExpandableListView的关键是在于AnimatedExpandableListView#getRealChildView()的实现，这是应用开发的责任。实际项目中，通过优化getRealChildView()，动画效果的启动时间从1340ms减少到了680ms （展开一个含有5个子项目的分组）。而发现的问题的定位和解决方案，基本是用过使用Android提供的method tracing方法（android.os.Debug.startMethodTraceing）进行分析。
优化前的getRealChildView（）实现，需要大量的view初始化，因为没有可用的convertView，而事实上，在动画绘制阶段时生成的childView完全可以被重用，及时convertView并为给出。如下面的traceview profile看到的，优化前，getChildView()消耗了超过一秒的时间。
优化后的性能：
这是如何做到的呢？这需要我们再研究一下动画展开的原理，也就是getChildView()里面耗时最长的是哪些动作。首先排除其他因素的影响，专注于AnimatedExpandableList本收得使用，我们使用GitHub上原生提供的Example来做分析：这是展开5个子项目的分组的情况，注意5个子分组的view生成，LayoutInflater.inflate被执行了10次，是其两倍。而inflate是相当耗时的。有没有方法来减少这部分工作消耗呢？
方法是使用Android推荐的LRU cache来保存childView的。关于LruCache，请见Android的reference documents和training。这里特别要注意的是，childView在dataSet改变时需要重新生成，而不是在cache中获得，这里使用的方法是判断childView的type。在自己的项目中需要根据情况认真考虑dataSet改变如何更新cache的问题。效果如下所示：inflate的次数减少到5次，一次都不浪费。消耗时间从160ms降低到80ms。
㈢ Android培训课程有什么内容
第一阶段的课程一般都是Java编程开发
这一部分应该会和Java后台有相关联的地方，但是比Java后台简单，这一阶段一般要学习Java语法和Java面向对象思想、Java数据结构及算法、GUI界面编程、Java进程与线程、Java网络通信与流、设计模式、数据库和Javaweb，安卓在这一阶段的学习内容看似和后台关联性很大，但是这一部分我们只学习后台一些基础的东西和日后会用到的东西，我们要把基础奠定好。
第二阶段要学习的内容是安卓基础开发
主要的课程内容为Android界面编程（界面编程是Android入门的核心技术，内容纵多，涉及四大组件之一Activity、Wedget、自定义View、事件处理、动画处理、列表、图片处理、国际化、资源文件、菜单、通知、对话框、Tools/ActionBar/Fragment、样式/主题、Intent。）、进程与线程、服务与广播、数据存储、网络通信、多媒体以及硬件相关，这一阶段更注重安卓入门基础的培训，一定要好好的把握。
接下来学习的内容是一个进阶阶段，主要学习的是安卓的高级开发，一般的课程内容为HOME开发、NDK开发等、地图开发项目发布等等，以上就算是安卓培训的所有学习内容，但是你掌握了学习内容之后还是远远不够的，一般的培训班都会给我们安排项目实战的，这是一种思想的锻炼，我们做什么就要有什么的思维做后台的有做后台的思维，做前端的有做前端的思维，我们学安卓的进行手机端APP开发的就要有安卓的思维，这一阶段也是很重要的，就好比我们在华清远见学完整体的内容之后也参与了一些项目的实战。
我把每一阶段要学习的课程都给你整理了，你可以现在有准备的去看一些基础的视频或者相关的书籍了。
安卓培训视频资料都有
㈣ android lruchache可以离线吗
android lruchache不可以离线。cache的意思是缓存。
一、中央处理器。
中央处理器是电脑的心脏，由运算器和控制器组成，内部结构分为控制器、运算器和存储器，这三个部分相互协调，可以进行判断、运算和并控制电脑各部分协调工作。
二、中央处理器的核心。
目前流行的中央处理器为英特尔酷睿中央处理器，分为双核、四核和八核。双核中央处理器是基于单个半导体的一个处理器上拥有两个一样功能的处理器核心。
三、中央处理器的指标。
衡量中央处理器的指标是字长，字长是电脑能直接处理的二进制数据的位数，标志着电脑处理数据的能力，字长决定了电脑运算的能力和精度，字长越长，电脑的运算能力越强，精度越高，有效数据的存储单元数越多，寻找地址的能力越强。现在个人电脑的字长分为十六位、三十二位和六十四位。
四、缓存。
可以进行高速数据交换的存储器叫做缓存，也叫高速缓存。中央处理器一般会从缓存读取数据，中央处理器没有数据时才会向内存调用数据。缓存容量越大，中央处理器的性能越好。中央处理器的缓存分为一级缓存和二级缓存。酷睿处理器中，四个核心的内存控制器和缓存都在单一的芯片上面。
㈤ mybatis 二级缓存怎么使用
深入了解MyBatis二级缓存
一、创建Cache的完整过程
我们从sqlSessionFactoryBuilder解析mybatis-config.xml配置文件开始：
Reader reader = Resources.getResourceAsReader("mybatis-config.xml");
SqlSessionFactory sqlSessionFactory = new SqlSessionFactoryBuilder().build(reader);
然后是：
XMLConfigBuilder parser = new XMLConfigBuilder(inputStream, environment, properties);
return build(parser.parse());
看parser.parse()方法：
parseConfiguration(parser.evalNode("/configuration"));
看处理Mapper.xml文件的位置：
mapperElement(root.evalNode("mappers"));
看处理Mapper.xml的XMLMapperBuilder：
XMLMapperBuilder mapperParser = new XMLMapperBuilder(inputStream, configuration,
resource, configuration.getSqlFragments());
mapperParser.parse();
继续看parse方法：
configurationElement(parser.evalNode("/mapper"));
到这里：
String namespace = context.getStringAttribute("namespace");
if (namespace.equals("")) {
throw new BuilderException("Mapper's namespace cannot be empty");
}
builderAssistant.setCurrentNamespace(namespace);
cacheRefElement(context.evalNode("cache-ref"));
cacheElement(context.evalNode("cache"));
从这里看到namespace就是xml中<mapper>元素的属性。然后下面是先后处理的cache-ref和cache，后面的cache会覆盖前面的cache-ref，但是如果一开始cache-ref没有找到引用的cache，他就不会被覆盖，会一直到最后处理完成为止，最后如果存在cache，反而会被cache-ref覆盖。这里是不是看着有点晕、有点乱？所以千万别同时配置这两个，实际上也很少有人会这么做。
看看MyBatis如何处理<cache/>：
private void cacheElement(XNode context) throws Exception {
if (context != null) {
String type = context.getStringAttribute("type", "PERPETUAL");
Class<? extends Cache> typeClass = typeAliasRegistry.resolveAlias(type);
String eviction = context.getStringAttribute("eviction", "LRU");
Class<? extends Cache> evictionClass = typeAliasRegistry.resolveAlias(eviction);
Long flushInterval = context.getLongAttribute("flushInterval");
Integer size = context.getIntAttribute("size");
boolean readWrite = !context.getBooleanAttribute("readOnly", false);
boolean blocking = context.getBooleanAttribute("blocking", false);
Properties props = context.getChildrenAsProperties();
builderAssistant.useNewCache(typeClass, evictionClass,
flushInterval, size, readWrite, blocking, props);
}
}
从源码可以看到MyBatis读取了那些属性，而且很容易可以到这些属性的默认值。
创建Java的cache对象方法为builderAssistant.useNewCache，我们看看这段代码：
public Cache useNewCache(Class<? extends Cache> typeClass,
Class<? extends Cache> evictionClass,
Long flushInterval,
Integer size,
boolean readWrite,
boolean blocking,
Properties props) {
typeClass = valueOrDefault(typeClass, PerpetualCache.class);
evictionClass = valueOrDefault(evictionClass, LruCache.class);
Cache cache = new CacheBuilder(currentNamespace)
.implementation(typeClass)
.addDecorator(evictionClass)
.clearInterval(flushInterval)
.size(size)
.readWrite(readWrite)
.blocking(blocking)
.properties(props)
.build();
configuration.addCache(cache);
currentCache = cache;
return cache;
}
从调用该方法的地方，我们可以看到并没有使用返回值cache，在后面的过程中创建MappedStatement的时候使用了currentCache。
二、使用Cache过程
在系统中，使用Cache的地方在CachingExecutor中：
@Override
public <E> List<E> query(
MappedStatement ms, Object parameterObject,
RowBounds rowBounds, ResultHandler resultHandler,
CacheKey key, BoundSql boundSql) throws SQLException {
Cache cache = ms.getCache();
获取cache后，先判断是否有二级缓存。
只有通过<cache/>,<cache-ref/>或@CacheNamespace,@CacheNamespaceRef标记使用缓存的Mapper.xml或Mapper接口（同一个namespace，不能同时使用）才会有二级缓存。
if (cache != null) {
如果cache存在，那么会根据sql配置(<insert>,<select>,<update>,<delete>的flushCache属性来确定是否清空缓存。
flushCacheIfRequired(ms);
然后根据xml配置的属性useCache来判断是否使用缓存(resultHandler一般使用的默认值，很少会null)。
if (ms.isUseCache() && resultHandler == null) {
确保方法没有Out类型的参数，mybatis不支持存储过程的缓存，所以如果是存储过程，这里就会报错。
ensureNoOutParams(ms, parameterObject, boundSql);
没有问题后，就会从cache中根据key来取值：
@SuppressWarnings("unchecked")
List<E> list = (List<E>) tcm.getObject(cache, key);
如果没有缓存，就会执行查询，并且将查询结果放到缓存中。
if (list == null) {
list = delegate.<E>query(ms, parameterObject,
rowBounds, resultHandler, key, boundSql);
tcm.putObject(cache, key, list); // issue #578 and #116
}
返回结果
return list;
}
}
没有缓存时，直接执行查询
return delegate.<E>query(ms, parameterObject, rowBounds, resultHandler, key, boundSql);
}
在上面的代码中tcm.putObject(cache, key, list);这句代码是缓存了结果。但是实际上直到sqlsession关闭，MyBatis才以序列化的形式保存到了一个Map（默认的缓存配置）中。
三、Cache使用时的注意事项
1. 只能在【只有单表操作】的表上使用缓存
不只是要保证这个表在整个系统中只有单表操作，而且和该表有关的全部操作必须全部在一个namespace下。
2. 在可以保证查询远远大于insert,update,delete操作的情况下使用缓存
这一点不需要多说，所有人都应该清楚。记住，这一点需要保证在1的前提下才可以！
四、避免使用二级缓存
可能会有很多人不理解这里，二级缓存带来的好处远远比不上他所隐藏的危害。
缓存是以namespace为单位的，不同namespace下的操作互不影响。
insert,update,delete操作会清空所在namespace下的全部缓存。
通常使用MyBatis Generator生成的代码中，都是各个表独立的，每个表都有自己的namespace。
为什么避免使用二级缓存
在符合【Cache使用时的注意事项】的要求时，并没有什么危害。
其他情况就会有很多危害了。
针对一个表的某些操作不在他独立的namespace下进行。
例如在UserMapper.xml中有大多数针对user表的操作。但是在一个XXXMapper.xml中，还有针对user单表的操作。
这会导致user在两个命名空间下的数据不一致。如果在UserMapper.xml中做了刷新缓存的操作，在XXXMapper.xml中缓存仍然有效，如果有针对user的单表查询，使用缓存的结果可能会不正确。
更危险的情况是在XXXMapper.xml做了insert,update,delete操作时，会导致UserMapper.xml中的各种操作充满未知和风险。
有关这样单表的操作可能不常见。但是你也许想到了一种常见的情况。
多表操作一定不能使用缓存
为什么不能？
首先不管多表操作写到那个namespace下，都会存在某个表不在这个namespace下的情况。
例如两个表：role和user_role，如果我想查询出某个用户的全部角色role，就一定会涉及到多表的操作。
<select id="selectUserRoles" resultType="UserRoleVO">
select * from user_role a,role b where a.roleid = b.roleid and a.userid = #{userid}
</select>123123
像上面这个查询，你会写到那个xml中呢？？
不管是写到RoleMapper.xml还是UserRoleMapper.xml，或者是一个独立的XxxMapper.xml中。如果使用了二级缓存，都会导致上面这个查询结果可能不正确。
如果你正好修改了这个用户的角色，上面这个查询使用缓存的时候结果就是错的。
这点应该很容易理解。
在我看来，就以MyBatis目前的缓存方式来看是无解的。多表操作根本不能缓存。
如果你让他们都使用同一个namespace（通过<cache-ref>）来避免脏数据，那就失去了缓存的意义。
看到这里，实际上就是说，二级缓存不能用。整篇文章介绍这么多也没什么用了。
五、挽救二级缓存？
想更高效率的使用二级缓存是解决不了了。
但是解决多表操作避免脏数据还是有法解决的。解决思路就是通过拦截器判断执行的sql涉及到那些表（可以用jsqlparser解析），然后把相关表的缓存自动清空。但是这种方式对缓存的使用效率是很低的。
设计这样一个插件是相当复杂的，既然我没想着去实现，就不废话了。
最后还是建议，放弃二级缓存，在业务层使用可控制的缓存代替更好。
㈥ disklrucache 怎么读
下面是一个简单的DiskLruCache实现。然而推荐的实现DiskLruCache方案请参考Android4.0中（libcore/luni/src/main/java/libcore/io/DiskLruCache.java）源码。
㈦ 如何引用第三方 resty 库
和大部分知名开源软件诞生在欧美国家不同，OpenResty自身和依赖的主要组件都是金砖国家的开发者发明的，这点还挺有意思。
Nginx是俄罗斯人发明的，Lua是巴西几个教授发明的，中国人章亦春把LuaJITVM嵌入到Nginx中，实现了OpenResty这个高性能服务端解决方案。
通过OpenResty，你可以把nginx的各种功能进行自由拼接，更重要的是，开发门槛并不高，这一切都是用强大轻巧的Lua语言来操控。
它主要的使用场景主要是：
在Lua中揉和和处理各种不同的nginx上游输出（Proxy，Postgres，Redis，Memcached等）
在请求真正到达上游服务之前，Lua可以随心所欲的做复杂的访问控制和安全检测
随心所欲的操控响应头里面的信息
从外部存储服务（比如Redis，Memcached，MySQL，Postgres）中获取后端信息，并用这些信息来实时选择哪一个后端来完成业务访问
在内容handler中随意编写复杂的Web应用，使用同步但依然非阻塞的方式，访问后端数据库和其他存储
在rewrite阶段，通过Lua完成非常复杂的URLdispatch
用Lua可以为nginx子请求和任意location，实现高级缓存机制
组织OpenResty技术大会之前，我一直认为自己是一个孤独的OpenResty使用者，觉得自己在使用一个冷门的技术。
虽然大家都听说过OpenResty或者ngx_lua，但感觉用在生产环境中使用的却少之又少，除了几个CDN公司外，好像没有听说过哪家知名互联网公司在使用。而CDN行业之所以使用，很多是受到cloudflare技术栈的影响，OpenResty的作者也在国外这家CDN公司。
但办完这个大会，我发现使用者真的挺多，奇虎360的所有服务端团队都在使用，京东、网络、魅族、知乎、优酷、新浪这些互联网公司都在使用。有用来写WAF、有做CDN调度、有做广告系统、消息推送系统，还有像我们部门一样，用作APIserver的。有些还用在非常关键的业务上，比如开涛在高可用架构分享的京东商品详情页，是我知道的ngx_lua最大规模的应用。
2.奇虎企业安全服务端技术选型的标准
先说下3年多前做架构选型的时候，我为什么会选择OpenResty？
其实架构如何设计并不重要，因为每家公司，每个团队，他们的公司文化和技术背景各不相同，生搬硬套会适得其反。重要的是当初为什么这么选择，中途为什么调整。
我们的产品要求单机上面，服务端提供高性能的API接口，QPS至少过万，未来需要支撑到10万。我们并没有急于去使用PHP、python或者其他的语言来实现功能，而是先勾勒出一个理想化的技术模型。
这个模型应该具备：
非阻塞的访问网络IO。在连接MySQL、Redis和发起HTTP请求时，工作进程不能傻傻的等待网络IO的返回，而是需要支持事件驱动，用协程的方式让CPU资源更有效的去处理其他请求。很多语言并不具备这样的能力和周边库。
有完备的缓存机制。不仅需要支持Redis、Memcached等外部缓存，也应该在自己的进程内有缓存系统。我们希望大部分的请求都能在一个进程中得到数据并返回，这样是最高效的方法，一旦有了网络IO和进程间的交互，性能就会受到很大影响。
同步的写代码逻辑，不要让开发者感知到回调和异步。这个也很重要，程序员也是人，代码应该更符合人的思维习惯，显式的回调和异步关键字，会打断思路，也给调试带来困难。
最好是站在巨人肩上，基于成熟的技术上搭建。采用一门全新诞生的语言和技术，需要经历语言自身发展期频繁调整的阵痛，还可能站错队。
不仅支持Linux平台，还需要支持Windows平台，这个是我们产品很特别的需求，很多中小企业用户还是习惯Windows的操作，不具备Linux的维护能力。
基于以上几点的考虑，考察了当时的一些方案，选择了OpenResty。
首先，它最大的特点就是用同步的代码逻辑实现非阻塞的调用，其次它有单进程内的LRUcache和进程间的shareDICTcache，而且它是揉合nginx和LuaJIT而产生的。而且nginx有Windows版本，虽然有非常多的限制，但这些限制都是可以解决的，nginx官方Windows版本中不支持的特性，我们开源出来的版本都解决了。
第一次看到这样的方案，我觉得它肯定会颠覆高性能服务端的开发。为什么呢？在我之前的公司里，每天会有近百亿次的查询请求，而服务器只用了十台。
我们采用了nginxC模块＋内置在nginx中的K-V数据库（自己开发的），来实现所有的业务逻辑，达到这个目标。听上去很简单，但是过程非常艰辛，两三个十几年工作经验的大牛做了一年多才稳定下来。绝大部分开发能力不足，只能望尘莫及。而且后续的调试和维护，也会花费不少精力。
但是OpenResty的出现改变了这一切，OpenResty非常的pythonic，适合人类的正常思维。新手经过一两个月的学习，做出来的API，就可以达到nginxC模块的性能，而且代码量大大减少，也方便调试。
3.以奇虎和新浪为例，如何在项目中引入新技术
技术选型只是第一步，如何才能在一个产品或者项目中引入OpenResty这个新的技术呢？我拿奇虎企业安全和新浪移动这两家公司真实发生的案例给大家看看。我和新浪移动的周晶，都是在一个有成熟产品的部门，用一两个人的力量，把一个新技术，替换掉了原有的技术架构。但由于企业产品和个人产品的不同，方法有很大的不一样。
先说我所在奇虎企业安全。我在2012年初加入这个部门，当时产品主打免费，目标用户是小企业。所以架构设计上面，只考虑了几十点、几百点的终端请求，使用了非常强绑定的Windows平台技术，而且倾向于不用开源软件，自己新做一个更适合自己的框架。包括自己用C++开发的Webserver，自己写的PHP路由和框架，数据存储在sqlite里面。
我帮忙修改了两个月PHP的bug，看明白了技术架构的思路之后，就去新开的一个产品线了。这是一个实验性的产品，主要面对央企和专用网，一个网络中有上百万的终端。
刚开始没有什么人关注，我就直接采用了Linux+OpenResty+Redis+Postgres的开源组件，性能测试甩之前的N条街。后面这个实验性的产品，和之前的产品，合并为一个产品，技术上面就割裂为两套架构。老功能用老架构，新功能用新架构。
随着越来越多大用户的增加，原有的技术架构开始捉襟见肘，技术债务越积压越多。随着用户的抱怨，sqlite被抛弃，全面换成Postgres。但对于自己开发的框架还是有些敝帚自珍。
期间通过对比测试、OpenResty培训还有多次用户性能问题排查，让开发同学们都知道这门技术的优势。快被加班压垮的开发同学，逐渐开始选择使用OpenResty而不是自研的框架，来进行新功能的开发，以及旧功能的迁移，来避免加班。
在产品重构的时候，之前自研的服务端框架被完全抛弃，服务端开发的同学从8、9个人减少到3个人。在新技术的引入过程中，我们没有采用强制的举措，因为企业产品需要稳定，用户处部署的版本更新很慢。
而新浪移动周晶的实践，对大家更有参考意义。新浪移动最开始是基于Apache，用PHP来处理用户请求。Apache是同步多进程模型，在并发请求不多的情况下没有问题。
但是总是会有突发新闻，比如马航失联、文章出轨等，突发的高流量把后台压垮了几次。而且可以预见世界杯的流量也会很大，所以周晶花几个月时间，用nginx替换了Apache，使用nginx的fast_cgi_cache，QPS提升了一个数量级。
新浪移动后台的接口都是使用PHP来实现的，在高并发下有些力不从心。而nginx简单的缓存虽然能满足性能，但不能满足业务精细化和数据一致性的要求，需要找PHP之外的解决方案，前提是让PHP的开发能够舒适的使用。node.js的回调地狱、Go的调试不方便，都是一个阻碍。
他们最后选择了OpenResty，而且基于OpenResty开源了一个Web框架Vanilla（香草），模仿了Yaf的使用习惯，让PHP的开发更容易接受和上手。Vanilla已经在新浪移动开始使用，一些核心业务，比如高清图和体育直播，正在向这个框架迁移中。
4.入门痛点，以及学习的正确方法
我和周晶的入门，都是自己摸着石头过河。当时除了Python社区“大妈”的那篇使用文章外，找不到其他的资料。
奇虎和新浪都用OpenResty成功替换了之前的技术，但问题还是挺明显，就是大家都认为自己是孤独的使用者，同事中基本没有人认同。在关键和支撑业务上，使用OpenResty有些不放心，都会在边缘业务上先做尝试和验证。
虽然OpenResty的性能做的很棒，比肩或者超过其他所有的高性能解决方案，但是担心没有学习资料、担心招不到人、担心没人交流，可能还担心作者章亦春哪天撂挑子不干了，这个项目就黄了。
高可用架构群里的各位都是架构师，是技术决策者，在引入一门新技术的时候，肯定会考虑到这些风险。比如小米科技马利超在高可用架构的分享，他们在抢购系统中曾经使用过ngx_lua，虽然性能满足需求，但是团队里面熟悉的人少，最后还是改成了Go语言实现。
如何解决这些担忧？社区是有过思考和讨论的，我们放在分享最后讲。先从一个尝试使用这门技术的开发者的角度看，OpenResty不少基础工作没有完善，友好程度不够：
只能从源码安装，没有apt-get、brew等软件仓库安装方法；安装第三方库没有PIP、NPM之类的包管理工具，需要去先谷歌，然后拷贝代码文件到指定的目录下，才能require使用。
代码编写需要修改nginx.conf和对应的lua代码，即使是helloworld也是如此。当然你可以把代码写在nginx的配置文件里面，但是生产环境肯定是要分离的。这种编写代码的方式，不像是一个编程语言，和常规的编程方式不同。
有独特的执行阶段概念，因为OpenResty是基于nginx的，所以也继承它的这种概念。你的代码逻辑，可能需要放在不同的阶段里面运行，才能获取你想要的预期。而这些阶段间信息如何传递，以及哪些API不能在某些阶段使用，就会经常拦住新手。
遇到问题只有邮件列表这一种方式来沟通，而邮件列表是被墙的。文档也只有英文版本，导致很多新手的问题无法被解决。
没有系统学习OpenResty的手段，大都是业务需要实现什么功能，就去文档和API里面去找。至于方式对不对，能不能优化，就不知道了。
㈧ android 什么情况会用lrucache
Volley是Google在Google I/O 2013上发布的一个网络框架，主要功能：web接口请求，网络图片异步下载，支持缓存。volley只是定义了缓存以及Request的接口，具体实现可以自己定义，例如lru磁盘缓存，内存缓存,下载图片的ImageRequest. Volley的源代码里包含了一些实现，都在com.Android.volley.toolbox包里，包括磁盘缓存、json请求,图片请求。还定义了一个继承自ImageView的NetworkImageView,可以异步载入网络图片。
㈨ 用什么替换掉bitmap.getByteCount
private LruCache<String, Bitmap> mMemoryCache;
@Override
protected void onCreate(Bundle savedInstanceState) {
// 获取到可用内存的最大值，使用内存超出这个值会引起OutOfMemory异常。
// LruCache通过构造函数传入缓存值，以KB为单位。
int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
// 使用最大可用内存值的1/8作为缓存的大小。
int cacheSize = maxMemory / 8;
mMemoryCache = new LruCache<String, Bitmap>(cacheSize) {
@Override
protected int sizeOf(String key, Bitmap bitmap) {
// 重写此方法来衡量每张图片的大小，默认返回图片数量。
return bitmap.getByteCount() / 1024;
}
};
}
public void addBitmapToMemoryCache(String key, Bitmap bitmap) {
if (getBitmapFromMemCache(key) == null) {
mMemoryCache.put(key, bitmap);
}
}
public Bitmap getBitmapFromMemCache(String key) {
return mMemoryCache.get(key);
}
这里面的bitmap.getByteCount()不行，需要API12才行，所以，我是查找了很多地方，最后看到了源码，这个是
可以替换的，可以用bitmap.getRowBytes() * bitmap.getHeight()代替。
bitmap.getRowBytes()：Since API Level 1，用于计算位图每一行所占用的内存字节数。
bitmap.getHeight()：Since API Level 1，用于计算位图行数。
bitmap.getByteCount()：Since API Level 12，用于计算位图所占用的内存字节数。