ExoPlayer架构详解与源码分析（7）—

系列文章目录

ExoPlayer架构详解与源码分析（1）——前言
ExoPlayer架构详解与源码分析（2）——Player
ExoPlayer架构详解与源码分析（3）——Timeline
ExoPlayer架构详解与源码分析（4）——整体架构
ExoPlayer架构详解与源码分析（5）——MediaSource
ExoPlayer架构详解与源码分析（6）——MediaPeriod
ExoPlayer架构详解与源码分析（7）——SampleQueue

文章目录

系列文章目录
前言
ProgressiveMediaPeriod
SampleQueue
SampleQueue动态分析
SpannedData< SharedSampleMetadata >
SampleDataQueue
Allocator
总结

前言

ProgressiveMediaPeriod中的SampleQueue部分相对其他部分，结构相对完整独立，没有像加载媒体那部分拆分出很多其他的概念，所以优先了解下SampleQueue。本篇主要解答媒体数据是如何在播放器内部缓存的，以及ExoPlayer是如何保证这些数据稳定高效的读写。

ProgressiveMediaPeriod

先预习下上篇的整体结构，本篇主要分析左半部分的SampleQueue：
在这里插入图片描述

SampleQueue

这是一个保存Sample的队列。MediaoPeriod向外提供的SampleStream其实就是从SampleQueue中读取的数据，一个SampleQueue就对应一个SampleStream。
在这里插入图片描述

SampleQueue主要有3大功能：

管理通过内部的一个环形Info数组（包含offsets数组、sizes数等sampleData数据）管理SampleDataQueue和SharedSampleMetadata这2个数据源。SampleQueue实际的数据其实是保存在SampleDataQueue和SharedSampleMetadata中的，数据的管理实现在SampleQueue里。
这部分可以从SampleQueue初始化部分源码看出来：

  private final SampleDataQueue sampleDataQueue;//用于播放的数据private final SampleExtrasHolder extrasHolder;private final SpannedData<SharedSampleMetadata> sharedSampleMetadata;//Meta数据private int capacity;//Info数组的总长度private long[] offsets;//每段SampleData的数据偏移量private int[] sizes;//每段SampleData的数据大小private int[] flags;//每段SampleData flags 数据private long[] timesUs;//每段SampleData 时间戳private int length;//有效的（没有被释放且已分配的数据）Info数组数据的长度private int absoluteFirstIndex;//绝对的开始位置，指向数据段的开始位置，+readPosition就是当前读取的绝对位置private int relativeFirstIndex;//一个在Info数据上循环的相对位置private int readPosition;//当前的读取位置，这个值是相对relativeFirstIndex的位置偏移量protected SampleQueue(Allocator allocator,@Nullable DrmSessionManager drmSessionManager,@Nullable DrmSessionEventListener.EventDispatcher drmEventDispatcher) {...sampleDataQueue = new SampleDataQueue(allocator);//内存分配器供SampleDataQueue使用extrasHolder = new SampleExtrasHolder();capacity = SAMPLE_CAPACITY_INCREMENT;//默认的分段属是1000sourceIds = new long[capacity];offsets = new long[capacity];timesUs = new long[capacity];flags = new int[capacity];sizes = new int[capacity];sharedSampleMetadata =new SpannedData<>(/* removeCallback= */ metadata -> metadata.drmSessionReference.release());...}

上面主要是初始化出一个SampleDataQueue和一个sharedSampleMetadata数据集，然后初始化出一个1000个块的Info数组，用于管理这2块数据。这里将offsets、timesUs、sourceIds 、flags、sizes 几个数组统称为 Info数组，因为这里面共同保存着每个Sample的信息。

输入同时SampleQueue实现了TrackOutput接口，对外提供sampleMetadata、format 函数使得调用者可以输入Meta信息，sampleData函数可以输入播放数据。这里的输入调用者主要是后面要说的ProgressiveMediaPeriod另一部分。
下面分析下源码数据是如何输入的：

//输入Metadata@Overridepublic void sampleMetadata(long timeUs,//与当前数据关联的媒体时间戳@C.BufferFlags int flags,//是否关键帧int size,//样本数据大小int offset,//块间偏移量，距离上一次已经SmapleMeta的SampleData的偏移量，我们知道媒体文件中用于播放数据不一定是连续的，其中可能包含一些其他数据，这些数据可以看成是之间的偏移量@Nullable CryptoData cryptoData) {if (upstreamFormatAdjustmentRequired) {format(Assertions.checkStateNotNull(unadjustedUpstreamFormat));}boolean isKeyframe = (flags & C.BUFFER_FLAG_KEY_FRAME) != 0;if (upstreamKeyframeRequired) {//从关键帧开始Sampleif (!isKeyframe) {return;}upstreamKeyframeRequired = false;}timeUs += sampleOffsetUs;if (upstreamAllSamplesAreSyncSamples) {if (timeUs < startTimeUs) {// 如果所有轨道都是同步的，那么在当前Smaple点之前的时间数据就可以丢弃了return;}if ((flags & C.BUFFER_FLAG_KEY_FRAME) == 0) {if (!loggedUnexpectedNonSyncSample) {Log.w(TAG, "Overriding unexpected non-sync sample for format: " + upstreamFormat);loggedUnexpectedNonSyncSample = true;}flags |= C.BUFFER_FLAG_KEY_FRAME;//保证设置为关键帧}}if (pendingSplice) {//判断是否是拼接数据，如HLS切换流的时候就会用到if (!isKeyframe || !attemptSplice(timeUs)) {return;}pendingSplice = false;}//当前Info的偏移量=数据总长度-样本数据长度-块间偏移量long absoluteOffset = sampleDataQueue.getTotalBytesWritten() - size - offset;commitSample(timeUs, flags, absoluteOffset, size, cryptoData);}private synchronized void commitSample(long timeUs,@C.BufferFlags int sampleFlags,long offset,int size,@Nullable CryptoData cryptoData) {if (length > 0) {// 保证最后一个的end位置要小于等于下一个的开始位置int previousSampleRelativeIndex = getRelativeIndex(length - 1);checkArgument(offsets[previousSampleRelativeIndex] + sizes[previousSampleRelativeIndex] <= offset);}isLastSampleQueued = (sampleFlags & C.BUFFER_FLAG_LAST_SAMPLE) != 0;largestQueuedTimestampUs = max(largestQueuedTimestampUs, timeUs);int relativeEndIndex = getRelativeIndex(length);//获取Info里的下一个位置索引timesUs[relativeEndIndex] = timeUs;//开始赋值offsets[relativeEndIndex] = offset;sizes[relativeEndIndex] = size;flags[relativeEndIndex] = sampleFlags;cryptoDatas[relativeEndIndex] = cryptoData;sourceIds[relativeEndIndex] = upstreamSourceId;if (sharedSampleMetadata.isEmpty()|| !sharedSampleMetadata.getEndValue().format.equals(upstreamFormat)) {//开始写入MetadatasharedSampleMetadata.appendSpan(getWriteIndex(),new SharedSampleMetadata(checkNotNull(upstreamFormat), drmSessionReference));}length++;//有效长度++if (length == capacity) {//如果写入数据已经超过Info的最大长度// Increase the capacity.int newCapacity = capacity + SAMPLE_CAPACITY_INCREMENT;//则将Info数组长度扩展至2倍long[] newSourceIds = new long[newCapacity];long[] newOffsets = new long[newCapacity];long[] newTimesUs = new long[newCapacity];int[] newFlags = new int[newCapacity];int[] newSizes = new int[newCapacity];CryptoData[] newCryptoDatas = new CryptoData[newCapacity];//将旧的数据，移入新的数组，将相对开始位置作为新数组的第一个位置int beforeWrap = capacity - relativeFirstIndex;System.arraycopy(offsets, relativeFirstIndex, newOffsets, 0, beforeWrap);System.arraycopy(timesUs, relativeFirstIndex, newTimesUs, 0, beforeWrap);System.arraycopy(flags, relativeFirstIndex, newFlags, 0, beforeWrap);System.arraycopy(sizes, relativeFirstIndex, newSizes, 0, beforeWrap);System.arraycopy(cryptoDatas, relativeFirstIndex, newCryptoDatas, 0, beforeWrap);System.arraycopy(sourceIds, relativeFirstIndex, newSourceIds, 0, beforeWrap);int afterWrap = relativeFirstIndex;System.arraycopy(offsets, 0, newOffsets, beforeWrap, afterWrap);System.arraycopy(timesUs, 0, newTimesUs, beforeWrap, afterWrap);System.arraycopy(flags, 0, newFlags, beforeWrap, afterWrap);System.arraycopy(sizes, 0, newSizes, beforeWrap, afterWrap);System.arraycopy(cryptoDatas, 0, newCryptoDatas, beforeWrap, afterWrap);System.arraycopy(sourceIds, 0, newSourceIds, beforeWrap, afterWrap);offsets = newOffsets;timesUs = newTimesUs;flags = newFlags;sizes = newSizes;cryptoDatas = newCryptoDatas;sourceIds = newSourceIds;relativeFirstIndex = 0;capacity = newCapacity;}}//获取当前Info数组的相对位置，传入相对第一个位置的偏移量private int getRelativeIndex(int offset) {int relativeIndex = relativeFirstIndex + offset;return relativeIndex < capacity ? relativeIndex : relativeIndex - capacity;//环形指针}//获取当前写入MetaData的绝对位置public final int getWriteIndex() {return absoluteFirstIndex + length;//等于当前绝开始位置+有效的长度}  //输入Format@Overridepublic final void format(Format format) {Format adjustedUpstreamFormat = getAdjustedUpstreamFormat(format);upstreamFormatAdjustmentRequired = false;unadjustedUpstreamFormat = format;boolean upstreamFormatChanged = setUpstreamFormat(adjustedUpstreamFormat);if (upstreamFormatChangeListener != null && upstreamFormatChanged) {upstreamFormatChangeListener.onUpstreamFormatChanged(adjustedUpstreamFormat);}}

Metadata输入主要分3部分：

确保当前为关键帧。
获取Info环形数组的下一个索引，将当前Sampledata的数据保存到Info数组并记录Meta信息。
确保Info数组足够大可以容纳足够多的数据。

下面看下sampleData部分

  @Overridepublic final void sampleData(ParsableByteArray data, int length, @SampleDataPart int sampleDataPart) {sampleDataQueue.sampleData(data, length);}

没了就这么多。😂，你只管告诉sampleDataQueue数据的大小和长度，sampleDataQueue来添加，具体sampleDataQueue是怎么有效管理数据的后面会讲到，现在不是重点

通过sampleDataQueue和sampleMetadata对比你会发现sampleMetadata比sampleDataQueue复杂多个，而且sampleMetadata方法添加了synchronized 同步块，多线程的时候会阻塞，而sampleDataQueue没有任何同步代码包括到sampleDataQueue里也一样。这样做是因为sampleMetadata的数据量很少，即使阻塞也能很高效的执行。而sampleData数据量往往比较大，写入的时间也比较长，所以不能阻塞。那么为什么要这么做呢，后面我们看到数据的读取部分就能理解了。

输出 SampleQueue提供了read方法输出数据
分析下对应源码：

public int read(FormatHolder formatHolder,DecoderInputBuffer buffer,@ReadFlags int readFlags,boolean loadingFinished) {//首先读取Metadataint result =peekSampleMetadata(formatHolder,buffer,/* formatRequired= */ (readFlags & FLAG_REQUIRE_FORMAT) != 0,loadingFinished,extrasHolder);if (result == C.RESULT_BUFFER_READ && !buffer.isEndOfStream()) {boolean peek = (readFlags & FLAG_PEEK) != 0;if ((readFlags & FLAG_OMIT_SAMPLE_DATA) == 0) {if (peek) {sampleDataQueue.peekToBuffer(buffer, extrasHolder);} else {sampleDataQueue.readToBuffer(buffer, extrasHolder);//将sampleData的位置信息通过extrasHolder传递给sampleDataQueue读取数据}}if (!peek) {readPosition++;//读取位置++}}return result;}//读取Metadataprivate synchronized int peekSampleMetadata(FormatHolder formatHolder,DecoderInputBuffer buffer,boolean formatRequired,boolean loadingFinished,SampleExtrasHolder extrasHolder) {...Format format = sharedSampleMetadata.get(getReadIndex()).format; //用绝对开始位置+读取位置（absoluteFirstIndex + readPosition）获取读取的绝对位置...int relativeReadIndex = getRelativeIndex(readPosition);//获取当前Info数组的相对位置...extrasHolder.size = sizes[relativeReadIndex];//取出Info数据extrasHolder.offset = offsets[relativeReadIndex];extrasHolder.cryptoData = cryptoDatas[relativeReadIndex];return C.RESULT_BUFFER_READ;}//获取读取的绝对位置public final int getReadIndex() {return absoluteFirstIndex + readPosition;}

要读取sampleData和sampleMetadata的数据，首先要确定当前读取点的Info的位置，然后通过Info数组才能知道读取的位置和长度，最后读取sampleData，同样sampleMetadata读取是加锁的，而sampleData没有。可以看出sampleData的读写是不受线程限制的，通过SampleQueue内部维护的Info数组来维护sampleData，可以最大化保证多线程下sampleData读写的效率。

释放通过discardSamples等释放不需要的数据
分析下对应源码：

 public final void discardTo(long timeUs, boolean toKeyframe, boolean stopAtReadPosition) {sampleDataQueue.discardDownstreamTo(discardSampleMetadataTo(timeUs, toKeyframe, stopAtReadPosition));//先释放Metadata}private synchronized long discardSampleMetadataTo(long timeUs, boolean toKeyframe, boolean stopAtReadPosition) {if (length == 0 || timeUs < timesUs[relativeFirstIndex]) {return C.INDEX_UNSET;}int searchLength = stopAtReadPosition && readPosition != length ? readPosition + 1 : length;//根据时间戳来确定要释放数据块的数量int discardCount = findSampleBefore(relativeFirstIndex, searchLength, timeUs, toKeyframe);if (discardCount == -1) {return C.INDEX_UNSET;}return discardSamples(discardCount);
}private long discardSamples(int discardCount) {largestDiscardedTimestampUs =max(largestDiscardedTimestampUs, getLargestTimestamp(discardCount));length -= discardCount;//有效长度=有效长度-释放数量absoluteFirstIndex += discardCount;//绝对开始位置后移relativeFirstIndex += discardCount;//相对开始位置后移if (relativeFirstIndex >= capacity) {//环形数组relativeFirstIndex -= capacity;}readPosition -= discardCount;//因为relativeFirstIndex后移，相对它的位置在缩小if (readPosition < 0) {readPosition = 0;}sharedSampleMetadata.discardTo(absoluteFirstIndex);//释放Metadataif (length == 0) {int relativeLastDiscardIndex = (relativeFirstIndex == 0 ? capacity : relativeFirstIndex) - 1;return offsets[relativeLastDiscardIndex] + sizes[relativeLastDiscardIndex];} else {return offsets[relativeFirstIndex];//返回SampleData的释放偏移量}
}

同样数据的释放和读写一样，通过内部的Info来管理，释放后会更新Info上的相关位置。

SampleQueue动态分析

上面一直在说环形数组，静态的看代码可能感受不到这点，下面我们通过几个图来动态分析下SampleQueue的运作原理，这部分需要结合上面的源码一起看才好理解。

首先为了方便分析假设数组最大长度为capacity=6，当前已经写入了4段sampleData对应图中的sample0-3，同时也写入了4个数据到Info数组对应图中的0-2的size、offset、time结构，每个结构的size、offset、time在图的最下方都有标记，这里可以看下加深下对这个结构数值的含义的理解，所以此时有效长度length=4，由于是刚开始读写这个时候的relativeFirstIndex=absoluteFirstIndex=0处于开始位置，当前的读取位置相对于relativeFirstIndex也就是和relativeFirstIndex差值，readPosition=2。接下来sample会从右侧箭头处不断写入。同样上方的Info数组随着读取也会不断变化。
在这里插入图片描述
好了，此时先向Sample队列写入一个Sample length+1，然后同时读取2个Sample readPosition+2=4

随着数据被使用（已经播放）之前的数据需要丢弃，以便下次写入，释放3个Sample，可以看到relativeFirstIndex和absoluteFirstIndex同时前移，虽然readPosiition的位置没有移动，也就是没有读取新的数据，但是readPosiition的值变小，有效长度缩小为2。到这里relativeFirstIndex还是和absoluteFirstIndex相等的还看不出环形的特性。
在这里插入图片描述
此时开始写入3个Sample，这个时候就可以看出Info环形特性，之前释放的0号和1号会重新指向数据队列的最前端，同时更新offset，size相关数据，有效数据长度增加到5，length=5。

这个时候再读取3个Sample时，readPosiition的值增加3此时指向Info数组的下标1，readPosiition=4。
在这里插入图片描述
好了我们继续释放数据，这次再次释放3个，可以看到relativeFirstIndex和absoluteFirstIndex值开始不一样了，由于又回到了Info数组的开始位置所以relativeFirstIndex=0，readPosiition缩短为1，有效长度length=2，而absoluteFirstIndex是相对于Smaple的绝对位置，这个时候absoluteFirstIndex继续后移到6号位置的sample6。
在这里插入图片描述
把上面的图连续不断的执行，可以想象出，Info数组像一个不断前行的履带在sample铺的道路上不断前行（读取）。被履带压过的道路（已经读取过的数据）就会被释放，此时路还在不断的向前铺设（新的sample数据在不断的写入到SampleQueen中），整个过程中履带的大小是不变的。

至此我们可以总结出几个规律：

当前写入数据的绝对位置永远等于absoluteFirstIndex+length
当前读取数据的绝对位置永远等于absoluteFirstIndex + readPosition
Info数组可以理解成一个首尾相连的环形数组，数组最后一个位置的下个位置就是数组的开始位置
这几个规律在源码中经常被用到，感兴趣的同学可以深入阅读下。

下面来分析下实际存储数据的2个结构

SpannedData< SharedSampleMetadata >

本质是一个Android里实现SparseArray的map，通过int 类型key可以快速向指定key存入数据或者取出数据，这里数据跟随SampleQueue里的Info来管理，添加或者释放指定位置的Metadata数据。

SampleDataQueue

重点来说下SampleDataQueue，由于SampleData的数据量要远远大于Metadata，而且还需要频繁的读写释放，所以向SpannedData<SharedSampleMetadata>那样简单粗暴的管理数据，效率会非常低，因为JVM要频繁的申请内存GC释放内存。为了解决这个问题SampleDataQueue内部维护了一个链表，同时维护了链表中3个重要的节点，firstAllocationNode，readAllocationNode，writeAllocationNode，用于快速获取读写点。

  private AllocationNode firstAllocationNode;//第一个节点位置private AllocationNode readAllocationNode;//当前读取节点位置private AllocationNode writeAllocationNode;//当前写入节点位置

这里顺带提下AllocationNode的数据结构，主要就是封装了Allocation，allocation才是实际存储数据的部分，同时提供了next AllocationNode 提供下一个AllocationNode 的指针，形成一个链表结构。

 private static final class AllocationNode implements Allocator.AllocationNode {public long startPosition;//此段allocation的开始位置public long endPosition;//此段allocation的结束位置public Allocation allocation;//实际缓存数据部分public AllocationNode next;//指向下一个...public void initialize(Allocation allocation, AllocationNode next) {this.allocation = allocation;this.next = next;}...

回到SampleDataQueue中，调用sampleData循环写入数据时，每次循环写入主要分为3步：

调用preAppend初始化通过writeAllocationNode，同时也初始化出了下个writeAllocationNode。重点看下allocator.allocate()，这里才是初始化了AllocationNode的实际内存数据allocation的地方，后面会详细分析。
将数据循环写入writeAllocationNode的实际缓存位置allocation.data中。
调用preAppend更新SampleDataQueue已写入总长度，如果总长度已经超过当前写入节点的结束位置，将当前写入节点，更新为下一写入节点。

private int preAppend(int length) {if (writeAllocationNode.allocation == null) {writeAllocationNode.initialize(allocator.allocate(),//分配内存new AllocationNode(writeAllocationNode.endPosition, allocationLength));}return min(length, (int) (writeAllocationNode.endPosition - totalBytesWritten));}public void sampleData(ParsableByteArray buffer, int length) {while (length > 0) {int bytesAppended = preAppend(length);buffer.readBytes(writeAllocationNode.allocation.data,writeAllocationNode.translateOffset(totalBytesWritten),bytesAppended);length -= bytesAppended;postAppend(bytesAppended);}}private void postAppend(int length) {totalBytesWritten += length;//增加总长度if (totalBytesWritten == writeAllocationNode.endPosition) {//总长度已经超过当前写入节点的结束位置writeAllocationNode = writeAllocationNode.next;//将当前写入节点，更新为下一写入节点}}

读取和写入类似，直接看下释放数据的地方，首先释放指定位置之前的链表数据，其次重置开始节点和读取节点。

  public void discardDownstreamTo(long absolutePosition) {if (absolutePosition == C.INDEX_UNSET) {return;}while (absolutePosition >= firstAllocationNode.endPosition) {//从第一个节点开始依次取出下一个节点通过allocator释放内存，并清除AllocationNode，一直到指定的absolutePositionallocator.release(firstAllocationNode.allocation);firstAllocationNode = firstAllocationNode.clear();}if (readAllocationNode.startPosition < firstAllocationNode.startPosition) {//保证当前的读取位置在开始节点之后readAllocationNode = firstAllocationNode;}}

看完是不是发现目前也没没有解决上面说的内存问题，内存感觉是在不断新增的。注意看下上面源码实际获取内存的地方allocator.allocate()，原来这些都交给了Allocator，通过Allocator实现内存的循环高效利用。

Allocator

这是一个接口用于媒体数据的内存分配，默认有一个DefaultAllocator实现。
先看下主要的源码

public final class DefaultAllocator implements Allocator {private static final int AVAILABLE_EXTRA_CAPACITY = 100;//额外的初始化Allocation数量private final boolean trimOnReset;private final int individualAllocationSize;@Nullable private final byte[] initialAllocationBlock;//初始化的一个连续的数组，指向默认数量的的Allocations，参考下图private int targetBufferSize;private int allocatedCount;//已分配的Allocation数量，参考下图private int availableCount;//可用的Allocation数量，参考下图private @NullableType Allocation[] availableAllocations;//可用的Allocations，参考下图public DefaultAllocator(boolean trimOnReset, int individualAllocationSize, int initialAllocationCount) {this.trimOnReset = trimOnReset;this.individualAllocationSize = individualAllocationSize;this.availableCount = initialAllocationCount;this.availableAllocations = new Allocation[initialAllocationCount + AVAILABLE_EXTRA_CAPACITY];//添加了部分冗余if (initialAllocationCount > 0) {//将初始化的Allocations通过指定offset分配initialAllocationBlockinitialAllocationBlock = new byte[initialAllocationCount * individualAllocationSize];for (int i = 0; i < initialAllocationCount; i++) {int allocationOffset = i * individualAllocationSize;availableAllocations[i] = new Allocation(initialAllocationBlock, allocationOffset);}} else {initialAllocationBlock = null;}}//这个方法用于获取一个Allocation，注意在调用此方法后必须调用release方法将分配Allocation返还@Overridepublic synchronized Allocation allocate() {allocatedCount++;//已分配数量+1Allocation allocation;if (availableCount > 0) {allocation = Assertions.checkNotNull(availableAllocations[--availableCount]);//从尾部取出，可用数量-1availableAllocations[availableCount] = null;//清空} else {allocation = new Allocation(new byte[individualAllocationSize], 0);//不够用了，创建新的Allocation，直接初始化出一段新的数组分配给它if (allocatedCount > availableAllocations.length) {//可用Allocations扩充2倍availableAllocations = Arrays.copyOf(availableAllocations, availableAllocations.length * 2);}}return allocation;}//返还分配的Allocation@Overridepublic synchronized void release(Allocation allocation) {availableAllocations[availableCount++] = allocation;//可用数量加1allocatedCount--;//已分配数量减1}...
}@Override//释无用的空块
public synchronized void trim() {//如果重新定义了缓存区大小，计算需要的Allocation块总数量int targetAllocationCount = Util.ceilDivide(targetBufferSize, individualAllocationSize);int targetAvailableCount = max(0, targetAllocationCount - allocatedCount);//减去目前空余的块，则为剩余需要的块数量//不存在冗余，无需trimif (targetAvailableCount >= availableCount) {return;}if (initialAllocationBlock != null) {// 从头尾查找第一个不是空的块，将其位置向前int lowIndex = 0;int highIndex = availableCount - 1;while (lowIndex <= highIndex) {//未分配出的Allocation 不可能为nullAllocation lowAllocation = Assertions.checkNotNull(availableAllocations[lowIndex]);if (lowAllocation.data == initialAllocationBlock) {//当前低位为初始值，从未被分配过lowIndex++;//lowIndex后移} else {//当前低位Allocation已分配过//未分配出的Allocation 不可能为nullAllocation highAllocation = Assertions.checkNotNull(availableAllocations[highIndex]);if (highAllocation.data != initialAllocationBlock) {//当前高位Allocation已分配过highIndex--;//highIndex前移} else {//当前高位Allocation未分配过//将当前未分配过高位和已分配过的低位交换位置，未分配过的放到数组低位availableAllocations[lowIndex++] = highAllocation;availableAllocations[highIndex--] = lowAllocation;}}}//到这里lowIndex之前的所有Allocation都是未分配过的初始initialAllocationBlock// 获取他们的最大值，也就是最大可释放targetAvailableCount = max(targetAvailableCount, lowIndex);//只有一种情况lowIndex正好等于availableCount，也就是当前未分配块都是初始值，从未被分配，当前可能为初始状态跳过trimif (targetAvailableCount >= availableCount) {return;}}// 释放空块Arrays.fill(availableAllocations, targetAvailableCount, availableCount, null);availableCount = targetAvailableCount;}

Allocator保存了一组Allocation列表，和一个默认的字节数组，每个Allocation对于数据块的长度由individualAllocationSize决定，通过offset确定在数组中的起始位置。同时维护着可用数量和已分配数量，当外部需要新的Allocation时会调用allocate获取，使用完毕后调用release将Allocation返还。可以看到这种设计特别适合播放器的缓冲数据，开始播放时分配一个默认的缓冲区域大小，随着播放进度，当前播放位置前会不断获取新Allocation用于提前缓冲，当这些数据已被渲染播放，离开了缓冲区域，这个时候又会将之前获取Allocation返还，依次循环，滚动的循环利用已分配的内存，整个过程只要不超最大值，就不会再分配新的内存，效率非常高。
下面用一张图来解释下整个过程：
在这里插入图片描述
如上图，是一个有着6个Allocation的Allocator，单个Allocation包含2个block（individualAllocationSize=2），initialAllocationBlock也就是block数组总长度为initialAllocationCountindividualAllocationSize=62=12。

初始化时会将每个Allocation依次指向initialAllocationBlock中的Block，通过Offset记录位置，当前已经分配出2个Allocation（上图表示为null），空余4个Allocation可分配，此时如果外部再需要获取Allocation时，也就是调用allocate，会将Allocation4，分配出去同时置为null，这个时候Allocation4的指向的Block并没有变化，外部调用者会向Block中填充数据用于缓存。
如果外部释放Allocation时，也就是调用release，会将Allocation填充至Allocation4后面一个位置，记为Allocation5，此过程Allocation5一直都是指向initialAllocationBlock的某段Block的。

这两个过程availableCount和allocatedCount也会相应增加或者减少，如果一个Allocation从来没有被分配过，则Block为初始值initialAllocationBlock，如上图的Allocation1，可以通过判断当前的Allocation的data是否等于initialAllocationBlock判断当前Allocation是否被分配过。

整个过程会让人不禁联想到 Android MediaCodec缓冲区，这里部分应该在Renderer部分提到，这里先提前贴下Android MediaCodec缓冲区使用的图，看看是不是很相似呢。
在这里插入图片描述

总结

SampleQueue只对Info数组这种小数据量的读写操作做多线程加锁操作，通过短时间阻塞读取Info数组的方式，查询读取关联的sampleData的数据，保证对sampleData这种大数据量耗时的读写不会阻塞，保证了数据的读写效率。

同时SampleQueue的环形数组的数据管理方式令人印象深刻，这种结构特别适合媒体播放这种场景，完美的平衡了性能与内存使用之间的矛盾。

有了SampleQueue这个数据大总管，ProgressiveMediaPeriod就可以随心所欲的写入数据并将媒体数据提供给上游读取。
到这里算是讲完了ProgressiveMediaPeriod的SampleQueue部分。后面将会讲到数据是如何加载到SampleQueue的，也就是首图的右半部分。