Kotlin 数据缓存：从入门到精通

轻松学习Python，无需理论负担。在浏览器中直接解决带自动检查的实践任务，无需安装任何东西。

Kotlin 数据缓存：如何无需魔法将应用加速 10 倍

想象一下：你打开一个喜欢的应用，它却加载了 5 秒钟，显示着“占位符”和无尽的加载圈。熟悉吗？再想象一下，同一个程序瞬间打开，甚至无需网络。秘诀就在于巧妙的数据缓存。今天我们就来探讨如何在 Kotlin 中实现缓存，让你的代码既快速又优雅。

Kotlin 是一种因简洁和安全而备受喜爱的语言。但即使使用最棒的语言，如果不考虑缓存，你也可能写出运行缓慢的应用。在本文中，我们将从简单的内存缓存开始，逐步深入到使用 Redis 和 DiskLruCache 的高级解决方案。你将学习如何在 Kotlin 中缓存数据，让用户忘记加载，让服务器免于处理多余的请求。

为什么要在 Kotlin 中缓存数据？

缓存就像一个好习惯：起初觉得困难，后来却不可或缺。以下是你的 Kotlin 应用需要缓存的三个原因：

速度：从内存读取数据只需微秒，而不是像从服务器或磁盘读取那样需要数秒。
节省流量：减少 API 请求次数，意味着节省服务器和移动网络的开销。
离线模式：用户喜欢应用即使在无网络的地铁里也能工作。

但有一个问题：不正确的缓存可能导致内存泄漏（OutOfMemoryError——来自过去的问候）或显示过时的数据。因此，让我们来学习如何正确地做到这一点。

内存缓存：加速 Kotlin 应用的最简单方法

我们从基础开始——在 RAM 中缓存。这就像把需要的工具放在工作台上，而不是每次都要跑到车库里拿。

最简单的方案是使用 HashMap 或 ConcurrentHashMap（如果你处理多线程）。但在 Kotlin 中，我们可以做得更优雅：

class SimpleCache<K, V>(    private val maxSize: Int = 100) {    private val cache = LinkedHashMap<K, V>(0, 0.75f, true) // 访问顺序

    fun get(key: K): V? {        return cache[key]    }

    fun put(key: K, value: V) {        if (cache.size >= maxSize) {            val oldest = cache.keys.firstOrNull()            oldest?.let { cache.remove(it) }        }        cache[key] = value    }

    fun clear() {        cache.clear()    }}

这个缓存在达到限制时会自动删除最旧的元素。但有一个问题——它没有考虑数据的生存时间。例如，你缓存了货币汇率列表，一小时后汇率变了，但用户看到的还是旧数据。这不好。

添加 TTL（生存时间）

data class CacheEntry<T>(    val data: T,    val expirationTime: Long)

class TTLCache<K, V>(    private val ttlMillis: Long = 60_000, // 1 分钟    private val maxSize: Int = 100) {    private val cache = LinkedHashMap<K, CacheEntry<V>>(0, 0.75f, true)

    fun get(key: K): V? {        val entry = cache[key] ?: return null        if (System.currentTimeMillis() > entry.expirationTime) {            cache.remove(key)            return null        }        return entry.data    }

    fun put(key: K, value: V) {        if (cache.size >= maxSize) {            val oldest = cache.keys.firstOrNull()            oldest?.let { cache.remove(it) }        }        cache[key] = CacheEntry(value, System.currentTimeMillis() + ttlMillis)    }}

现在数据只存活所需的时间。非常适合缓存 API 响应，例如数据不经常变化的情况（比如商品分类列表）。