MP4文件分析
概述
MP4文件中的所有数据都装在box（QuickTime中为atom）中，也就是说MP4文件由若干个box组成，每个box有类型和长度，可以将box理解为一个数据对象块。box中可以包含另一个box，这种box称为container box。
-
一个MP4文件首先会有且只有一个“ftyp”类型的box，作为MP4格式的标志并包含关于文件的一些信息;
-
之后会有且只有一个“moov”类型的box（Movie Box），它是一种container box，子box包含了媒体的metadata信息；
-
MP4文件的媒体数据包含在“mdat”类型的box（Midia Data Box）中，该类型的box也是container box，可以有多个，也可以没有（当媒体数据全部引用其他文件时），媒体数据的结构由metadata进行描述。
mp4.jpg
文件结构
整个文件由Box组成，所有的数据都在Box内定义。Box可以层级嵌套，例如，moov可以包含多个trak。
aligned(8) class Box (unsigned int(32) boxtype, optional unsigned int(8)[16] extended_type)
{
unsigned int(32) size;
unsigned int(32) type = boxtype;
if (size==1)
{
unsigned int(64) largesize;
}
else if (size==0)
{
// box extends to end of file
}
if (boxtype==‘uuid’) {
unsigned int(8)[16] usertype = extended_type;
}
}
note: 就是说一般情况下Box是以8个字节开头，接着就是Box的数据。这个8个字节分别表示size和type。size是整个Box的字节数，含size和type本身。type是4个可读的字符。例如:File Type Box的type就ftyp。 标准的type都是4个字符，如果要自定义的type，则需要把type设为"uuid"，然后再附上16个字符作为自定义type.
参考代码
以一个长度为10秒的MP4为例，其结构可能如下：
type: ftyp, size: 24
type: mdat, size: 8884701
type: mdat, size: 136125
type: moov, size: 4656
- ftyp
一个ftyp对文件的类型进行描述，指明其符合哪些格式。一般就是mp4格式了。符合本文档的媒体类型有很多种，box条目的种类也不同，所以需要brand与compatible_brands的来说明此文件内的box的种类。文档中定义了isom, avc1, iso2, mp71, iso3这些brand应有的格式，当解码器在读出其brand后，就知道该文件的格式了。
aligned(8) class FileTypeBox extends Box(‘ftyp’) {
unsigned int(32) major_brand;
unsigned int(32) minor_version;
unsigned int(32) compatible_brands[]; // to end of the box
}
- mdat
上例中有2个mdat，一个是视频内容、另一个音频内容。对于h264, aac编码的媒体来说，其视频mdat中内容是nal，对于音频来说，其内容为aac的一帧。mdat中的帧依次存放，每个帧的位置、时间、长度都由moov中的信息指定。可以看出，mdat是很好组建的，这种Box只含有数据。
aligned(8) class MediaDataBox extends Box(‘mdat’) {
bit(8) data[];
}
- moov
moov存放影片的所有信息，一个moov含有多个trak。通常对于一个片子来说，就是一个视频trak，一个音频trak。MP4文件的重点也在于此。
(1) trak / tkhd
对于视频trak，存宽、高信息；对于音频trak，存音量信息。并不是太重要，真正初始化解码器要靠 stsd中的信息。
(2) trak / mdia / hdlr
标明该trak是视频还是音频
(3) trak / mdia / minf / stbl
所有重要的表都在这里。其中，
- stsd: 编码器CODEC信息
- stsz: 用于sample的划分，通常一个sample可以对应于frame。
- stsc: 多个sample组成一个trunk，不过实际操作中可以让一个sample直接构成一个trunk
- stco: trunk在文件中的位置，用于定位。
- stts / ctts: 指定每个sample的PTS, DTS
(4) trak / edts / elst
把视频分为多段segment, 每个的起始时间和时长。
MP4快速拉流
参考链接： Optimizing MP4 Video for Fast Streaming
看这段
You can see the browser makes 3 requests before it can start playing the video. In the first request, the browser downloads the first 552 KB of the video using an [HTTP range request](https://en.wikipedia.org/wiki/Byte_serving). We can tell this by the 206 Partial Content HTTP response code, and by digging in and looking at the request headers. However the moov
atom is not there so the browser cannot start to play the video. Next, the browser requests the final 21 KB of the video file using another range request. This does contain the moov
atom, telling the browser where the video and audio streams start. Finally, the browser makes a third and final request to get the audio/video data and can start to play the video. This has wasted over half a megabyte of bandwidth and delayed the start of the video by 210 ms! Simply because the browser couldn’t find the moov
atom.
如果将moov放到最前面，可以减少两次请求，moov最重要的信息包括：stsd: 编码器CODEC信息，（音视频类型，宽高等），所以说，放在前面的话，如果网络很差的时候，减少两次请求就比较明显了。
至于说MP4文件在哪里调换moov的顺序，可以在写文件的时候，也可以后台服务器转码.
这部分的：参考代码
网友评论