mp4相比m3u8第一帧加载较慢的原因？

工作室正在做的软件，是一个以长视频播放为主的Android与IOS 手机软件。
最近半年，老板要求对视频的 秒开率(1秒内成功加载的播放数 / 播放总数)、失败率 (播放失败的次数 / 播放总数) 等进行优化。经过线上AB测试发现，m3u8视频(第一段切片为1~3秒)在秒开率、失败率等性能指标上均优于普通mp4视频。

这里想探究一下，m3u8视频(第一段切片为1~3秒)在秒开率上均优于普通mp4视频的原因。

网络上找到的原因基本是：
mp4 - PC/Apple/Android 通吃，和HTML5和flash播放器亲和度都挺好，但是文件头太大，结构复杂，长视频的大文件头影响加载速度的视频体验，所以短视频更常见

一、普通MP4

这里从网络上找了一个普通MP4文件的结构图，让我们看一下它的文件结构：

一眼看去，完全懵逼了，果然结构复杂...

MP4实际代表的含义是 MPEG-4 Part 14。
其文件由若干个box组成，每个box有类型和长度，这里可以将box理解为一个数据对象块。box中还可以包含子box，包含子 box 则称之为container box。

这里我从网络上下载了一个普通MP4文件。在Mac平台上，我们用MediaParser软件可以用来大致看一下这个MP4文件的构造。

1.1、ftyp

一个MP4文件有且只有一个 ftyp ，在MP4文件的开始位置，描述的文件的版本、兼容协议等；

1.2、moov

moov(Movie Box)是一个container box ，一般跟随在ftyp之后，有且只有一个。
其不包含具体媒体数据，但包含本文件中所有媒体数据的宏观描述信息（视频创建时间、视频修改时间、播放速率、视频时长、音量大小、视频宽高、字幕语言、声道、视频/音频帧位置等）。

moov box下，一般包含以下几个box：

mvhd 中记录了创建时间、修改时间、时间度量标尺、可播放时长等信息；
trak 可以有多个，描述了每个媒体轨道的具体信息；
udta user data；

1.3、mdat

mdat（Midia Data Box）MP4文件的媒体数据存放在这里。mdat中的数据帧依次存放，每个帧的位置、时间、长度都由moov中的信息指定。
mdat Box 基本上占据了视频大小的 95% 以上，得益于 mp4 边下边播的效果，浏览器获取到了部分 mdat box，就可以进行播放。

若希望详细了解普通MP4文件结构，可参考文章：
mp4文件格式解析

结论

了解到此，大致可以了解到：
普通MP4文件播放时，ftyp与moov box需同时加载完成后，并下载部分mdat box的帧数据后，才能开始播放。
那对于一些长视频，确实存在文件头过大，从而影响第一帧的加载速度问题。
另外，对于不是很规范的文件，例 mp4视频文件举例中moov box基本在文件最后的的MP4文件，还有可能存在视频文件基本下载完成后才能播放的问题。

二、Fragment mp4 (fmp4)

在网络上查找MP4文件结构时，发现一种Fragmented mp4 的文件结构图。

fmp4 是基于 MPEG-4 Part 12 的流媒体格式。与普通MP4相比：

fmp4不需要一个 moov Box 来进行 initialization
fmp4 的 moov Box 只包含了一些 track 信息
fmp4 的视频/音频 metadata 信息与数据都存在一个个 moof、mdat 中，它是一个流式的封装格式

2.1、Fragment

在微软的 Silverlight中的Smooth Streaming文件结构文件分为了多个Fragments，每个Fragment中包含moof和mdat。这样的结构符合渐进式播放需求，mdat及其描述信息逐步传输，收齐一个Fragment便可播放其中的mdat

2.2、moof

这个box并不是MP4文件必须的部分。它是视频分片的描述信息，其为流媒体格式（微软的 Silverlight中的Smooth Streaming）中的重中之重。

三、参考

mp4文件格式解析

什么是「Fragmented mp4(fmp4)」，它和普通 mp4 格式有什么区别？

========== THE END ==========