Android学习总结之Glide自定义三级缓存（面试篇）

一、三级缓存核心原理与设计

问题 1：为什么需要三级缓存？各层缓存的核心作用是什么？

回答核心

内存缓存：毫秒级快速响应，存储近期浏览的图片（如滑动列表来回切换的图片），通过 LRU 算法自动清理冷数据，通常占内存 15%。
磁盘缓存：持久化存储常用图片，解决内存容量限制，支持离线访问（如商品详情页图片），按 URL 哈希值命名避免重复，容量 100MB 左右。
网络缓存：结合 HTTP 缓存头（如 Cache-Control），避免重复下载，降低流量和服务器压力，容量 50MB，优先存高频访问图片。
分层优势：形成 "速度优先→持久化存储→网络优化" 的三级防护，覆盖 90% 以上的图片加载场景，提升用户体验和系统稳定性。

话术示例 ：

三级缓存的设计是为了解决图片加载中的三个核心问题：

内存缓存（快）：就像手机的 "最近使用列表"，存用户刚看过的图片（比如滑动列表时来回切换的图片）。用 LRU 算法自动清理太久没看的图片，比如 8GB 内存的手机分 1.2GB 给它，还会把大图片压缩到屏幕大小，确保滑动时瞬间加载，不卡顿。
磁盘缓存（稳）：相当于 "本地相册"，存常用但暂时不在内存里的图片（比如用户常看的商品详情页图）。存 100MB 左右，用 URL 的哈希值命名避免重复，即使手机重启或没网，也能从这里找到图片。
网络缓存（省） ：类似 "路由器记忆"，避免重复下载。比如用 OkHttp 缓存 50MB，配合服务器的缓存策略（比如设置 1 天有效期），下次打开同一张图直接从路由器拿，省流量还减轻服务器压力。
三层配合，比如用户滑动列表时，先从内存秒开，滑走后存磁盘，下次没网也能看，联网时优先用网络缓存避免重复下载，覆盖 90% 的使用场景。

问题 2：LruCache 算法的核心数据结构和工作机制是什么？

回答核心：

数据结构：双向链表（维护访问顺序）+ 哈希表（快速查找）。
工作机制 ：
1. 新元素加入链表头部，存在元素访问后移到头部；
2. 缓存满时删除链表尾部元素（最久未使用）；
3. 通过sizeOf()方法计算元素大小，支持自定义内存占用（如 Bitmap 的字节数）。
大厂优化点：Glide 的 LruResourceCache 结合弱引用队列，感知 Bitmap 回收，避免内存泄漏，同时复用资源池对象减少创建开销。

话术示例 ：

LruCache 就像一个 "智能书架"，核心是按 "最近最少用" 原则管理图片：

每次取图片（访问），就把它放到书架最前面（双向链表头部），很久没取的书（最久未用）放在最后面（链表尾部）；
书架满了（内存不够），直接扔掉最后一本书（删除尾部元素），保证书架始终不超载。
Glide 在这个基础上做了两个关键优化：

防内存泄漏：给图片加 "弱引用"，就像给书贴一个标签，书被卖掉（系统回收）时，标签自动从书架移除，避免书架上留空标签（无效引用）；
资源复用：把用过的图片暂时存到 "回收箱"（资源池），下次需要相同尺寸的图片，直接从回收箱拿，不用重新买（创建 Bitmap），比如滑动列表时，同尺寸的图片反复用，内存占用能降 30% 以上。

二、常见问题解决方案（缓存穿透 / 雪崩 / OOM）

问题 1：缓存穿透的本质是什么？大厂如何解决高并发下的穿透问题？

回答核心：

本质：请求不存在的数据，导致每次都查数据库 / 网络，形成流量黑洞。
解决方案 ：
1. 布隆过滤器：提前将所有合法 URL 存入布隆过滤器，请求时先过滤无效 URL，拒绝率达 99% 以上；
2. 缓存空值：对不存在的 URL 缓存一个特殊值（如 NULL），设置短过期时间（5 分钟），防止恶意攻击；
3. 占位图策略 ：Glide 中设置error()/fallback()占位图，避免界面闪烁，同时记录无效请求日志。

问题 2：缓存雪崩的危害及多级预防策略？

回答核心：

危害：大量缓存同时失效，瞬间流量冲击数据库，可能导致服务雪崩。
预防策略 ：
1. 错峰过期：给缓存时间添加随机偏移（如 24 小时 ±1 小时），避免集中失效；
2. 多级缓存：内存 + 磁盘 + CDN 三层缓存，CDN 层抗住 80% 静态资源请求；
3. 熔断降级：流量突增时，返回低清图或占位图，保证核心流程可用；
4. 互斥锁：缓存失效时，仅允许一个线程重建缓存，其他线程阻塞等待，避免并发查库。

话术示例 ：

缓存穿透是 "无效请求攻击"，比如恶意用户大量请求不存在的图片 URL，导致每次都要查数据库，就像有人一直按门铃问 "10086 号房在吗"，但小区根本没这个房号。

大厂用三层防线解决：

门口装 "门禁"（布隆过滤器）：提前把所有存在的房号（URL）录入门禁系统，访客（请求）先刷门禁，不存在的直接拦在门外，准确率 99% 以上，比如电商 APP 用布隆过滤器，每天能拦截 10 万 + 无效请求；
留 "空房记录"（空值缓存）：对查过不存在的房号，记下来 "10086 号房不存在"，有效期 5 分钟，期间再有人问直接说 "不用查了"，防止短时间内重复攻击；
门口贴 "提示牌"（占位图）：在 Glide 里设置默认图，比如请求失败时显示 "图片加载中" 的占位图，用户看不到空白，体验更好，同时后台记录这些无效请求，方便定位攻击源。

问题 3：如何从源头预防 OOM？Glide 中的关键配置有哪些？

回答核心：

内存优化三原则 ：
1. 尺寸压缩 ：按 ImageView 尺寸加载（override(width, height)），避免加载超分辨率图片；
2. 格式转换 ：使用 RGB_565（比 ARGB_8888 节省 50% 内存）或 WebP 格式，Glide 中通过format(DecodeFormat.PREFER_RGB_565)配置；
3. 生命周期绑定 ：Glide 自动与 Activity/Fragment 绑定，界面不可见时清理资源，避免内存泄漏，同时可手动调用clear(imageView)释放。
进阶策略 ：动态调整内存缓存大小（如低端机设为 10%，高端机 20%），结合skipMemoryCache(true)跳过非当前屏幕图片的内存存储。

话术示例 ：

OOM 就像 "书包塞满了大书"，图片太大或存太多就会撑爆内存。Glide 通过三个 "瘦身" 技巧预防：

按尺寸买书 ：比如手机屏幕是 1000px，就只加载 1000px 的图，不加载 2000px 的原图，用override(1000, 1000)强制压缩，内存占用直接减半；
选轻便包装 ：用 RGB_565 格式代替默认的 ARGB_8888，前者每个像素占 2 字节，后者占 4 字节，同样一张图，内存占用少一半，配置代码：
复制代码
```
Glide.with(context).load(url).format(DecodeFormat.PREFER_RGB_565);  
```
定期断舍离 ：Glide 会自动跟着 Activity/Fragment 的生命周期清理内存，比如页面关掉时，把相关图片从内存删掉，也可以手动调用clear(imageView)，避免 "过期图片" 占空间。
比如一个短视频 APP，通过这三个技巧，内存峰值能从 500MB 降到 300MB 以下，OOM 崩溃率下降 70%。

话术示例 ：

缓存雪崩就像 "电梯超载"，比如双十一零点，大量商品图片的缓存同时过期，几十万人同时请求，数据库像电梯一样可能被挤瘫。

大厂在大促时会做三件事：

错峰下班 ：给每个缓存设置不同的过期时间，比如原定 24 点过期，让有的 23 点 50 分过期，有的 0 点 10 分过期，像员工分批次下班，避免电梯拥挤。代码上可以加随机值：
复制代码
```
int expireTime = 24*60*60 + new Random().nextInt(3600); // 过期时间波动±1小时  
```
多级防护：最外层用 CDN 缓存（比如阿里云 OSS），扛住 80% 的图片请求，中间层用本地磁盘缓存，最后才到数据库，就像 "保安 + 前台 + 门禁" 三层过滤；
降级处理：如果流量实在太大，暂时给用户看低清图或模糊图，比如把 10MB 的高清图换成 1MB 的低清图，保证页面能加载，同时对数据库访问加锁，同一时间只允许一个线程更新缓存，其他线程等待，避免所有人同时挤向数据库。

三、HTTP 缓存与网络优化

问题 1：Cache-Control 头中 max-age、no-cache、no-store 的区别和使用场景？

回答核心：

max-age=3600：缓存有效期 1 小时，期间直接读本地缓存，适合不常更新的图片（如商品主图）；
no-cache：每次请求需服务器验证缓存有效性（发 304 请求），适合频繁更新但需浏览器缓存的图片（如活动海报）；
no-store：禁止任何形式的缓存，响应内容不落地，适用于敏感图片（如用户证件照）。
最佳实践：同时配置 ETag 和 Last-Modified，ETag 做精准校验（解决时间戳精度问题），Last-Modified 做快速判断，提升 304 命中率。

问题 2：客户端如何强制获取最新图片？服务器端如何配合？

回答核心：

客户端方案 ：
1. URL 添加版本号或时间戳（如image.jpg?v=2），破坏缓存键一致性；
2. 设置请求头Cache-Control: no-cache，强制服务器验证；
3. 清除本地网络缓存（OkHttp 中通过cache.remove(request)）。
服务器端配合 ：
1. 返回正确的 Cache-Control 头（如更新时设置max-age=0）；
2. 图片变更时更新 ETag 值，确保客户端能检测到变化。

四、性能监控与架构设计

问题 1：如何计算缓存命中率？大厂关注哪些核心指标？

回答核心：

计算公式：缓存命中率 =（内存命中数 + 磁盘命中数）÷ 总请求数 × 100%。
监控手段 ：
1. Glide 开启 DEBUG 日志，筛选Fetched from memory cache和Fetched from disk cache条目；
2. 自定义 ModelLoader 统计各层命中次数；
3. 关注衍生指标：内存峰值（Android Profiler 监控 Heap Size）、加载耗时（System.currentTimeMillis () 打点）、FPS（确保滑动≥55fps）。
优化目标：内存命中率≥30%，磁盘命中率≥50%，整体命中率≥80%。

问题 2：设计一个高并发图片缓存系统，需要规避哪些坑？

回答核心：

核心坑点与对策 ：
1. 热点问题：高频图片集中失效，通过 "热点缓存 + 本地副本" 解决（如 Redis 热 key + 本地 Ehcache）；
2. 存储碎片化：URL 哈希冲突（概率极低），通过加盐哈希或 SHA-256 提升唯一性；
3. 跨平台一致性：多端（Android/iOS/Web）缓存策略统一，如使用相同的 URL 参数规则和 Cache-Control 配置；
4. 容量失控：磁盘缓存设置严格的 LRU 淘汰策略 + 过期时间（如 7 天未访问则删除），定期清理僵尸文件。