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();        //      }        //  }        }