音视频面试涨知识（四）

news2025/5/20 22:10:57

视频格式	播放体验	流量占用情况
DASH	统计直播推流端到播放端延时。支持和视频帧绑定的内容交互。比如，直播答题在播放端的弹窗等。	小
HLS	对视频进行切片，按切片播放，缓存小起播快；拖动时间轴到任意时间播放时，可以快速定位到对应的切片进行播放，响应快。	整体占用小，播放一个切片只下载一个切片内容；对于低码率的视频场景，因封装代价高导致流量占用相对较高。
MP4	头文件较大，边下边缓存，起播相对HLS和DASH慢一些；拖动时间轴播放时，需要一定的时间缓存；市场上大多数的浏览器客户端均能够播放，播放成功率高。	拖动时间轴播放时，仍然需要下载整个头文件，耗费流量大；因流量占用较大，建议用在短视频处理的场景。

1.HLS格式

1.1 如何区分直播和点播

判断是否存在 #EXT-X-ENDLIST
- 一个M3U8文件，如果结尾不存在 #EXT-X-ENDLIST，那么一定是直播，不是点播
判断 #EXT-X-PLAYLIST-TYPE 类型
- '#EXT-X-PLAYLIST-TYPE'有两种类型：
  - VOD 即 Video on Demand，表示该视频流为点播源
  - EVENT 表示该视频流为直播源

1.2 HLS如何实现自适应码率

HLS有两种类型：

Media Playlist
Master Playlist：内部提供的是同一份媒体资源的多份流列表资源。其格式如下所示：

#EXTM3U
#EXT-X-STREAM-INF:BANDWIDTH=150000,RESOLUTION=416x234,CODECS="avc1.42e00a,mp4a.40.2"
http://example.com/low/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=240000,RESOLUTION=416x234,CODECS="avc1.42e00a,mp4a.40.2"
http://example.com/lo_mid/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=440000,RESOLUTION=416x234,CODECS="avc1.42e00a,mp4a.40.2"
http://example.com/hi_mid/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=640000,RESOLUTION=640x360,CODECS="avc1.42e00a,mp4a.40.2"
http://example.com/high/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=64000,CODECS="mp4a.40.5"
http://example.com/audio/index.m3u8
#EXT-X-ENDLIST

码率自适应技术：

Adaptive Bitrate Streaming，一种视频码率可以根据网络状况或客户端播放buffer情况自动调整的视频传输技术。

有三种不同的码率自适应算法：

Buffer-based：基于客户端的播放缓冲区buffer情况决策下一片段的码率档位
- 设置保护窗口，当buffer小于保护窗的时候，降低码率；
- 设置缓存限制：当buffer长度大于该限制的时候，提高码率；
Rate-based：基于预测的带宽去决策下一片段的码率档位
- 通过对之前下载的视频切片的带宽进行收集处理, 进而预测下载下一个切片的网络带宽
同时考虑预测吞吐量和buffer信息决策下一片段的码率档位

1.3 EXT-X-DISCONTINUITY

当HLS播放过程中编码参数发生变化的时候，需要加上#EXT-X-DISCONTINUITY字段分隔开，重启编码器。如果我想在HLS中插入广告，就需要加上这个字段。

file format
number and type of tracks
encoding parameters
encoding sequence
timestamp sequeue

【学习地址】：FFmpeg/WebRTC/RTMP/NDK/Android音视频流媒体高级开发
【文章福利】：免费领取更多音视频学习资料包、大厂面试题、技术视频和学习路线图，资料包括（C/C++，Linux，FFmpeg webRTC rtmp hls rtsp ffplay srs 等等）有需要的可以点击1079654574加群领取哦~

1.4 TS结构介绍

TS也称MPEG-TS，其中TS是"Transport Stream"，MPEG2-TS格式的特点就是要求从视频流的任一片段开始都是可以独立解码的。

TS格式是主要用于直播的码流结构，具有很好的容错能力。
TS流中不包含快速seek的机制，只能通过协议层实现seek。HLS协议基于TS流实现的。

TS文件（流）可以分为三层：

TS层（Transport Stream），TS层在PES层上加入了数据流标识和传输的必要信息。
PES层（Packet Elemental Stream），PES层在音视频数据上加了时间戳等对数据帧的说明信息。
ES层（Elementary Stream），ES层就是音视频数据

1.5 fMP4

fMP4 跟普通 mp4 基本文件结构是一样的。普通mp4用于点播场景，fmp4通常用于直播场景。

普通mp4的时长、内容通常是固定的。fMP4 时长、内容通常不固定，可以边生成边播放；
普通mp4完整的metadata都在moov里，需要加载完moov box后，才能对mdat中的媒体数据进行解码渲染；
fMP4中，媒体数据的metadata在moof box中，moof 跟 mdat （通常）结对出现。moof 中包含了sample duration、sample size等信息，因此，fMP4可以边生成边播放；

一个完整的fMP4文件是：moov + （moof + mdat）* N