关于MP4视频拖动的原理与分析（一）

本来想说说关于mp4和一些常见视频文件格式方面的历史。现在想想没啥必要，毕竟本文是在讲关于mp4点播拖动方面的技术细节。绪论，前言神马的显得有点多余。

说起MP4，不得不提“Digital container format”的概念。维基百科给出解释：

A container or wrapper format is a metafile format whose specification describes how different elements of data and metadata coexist in a computer file

我们这里简称为容器。mp4其实就是一个容器，它包含的信息描述了在这个容器里面存放的东西，是怎么布局，哪个地方放着什么东西，放了多少等等的信息。既然谈到容器，那么除了MP4，还有很多类似的。比如3GP, ASF, AVI, MKV, RM等等很多我们常见的视频格式。

这里推荐一个工具，叫mp4parse.exe，网上可以搜到。当你用这个工具打开一个mp4文件时，会看到mp4内部是酱紫的：

在这里图中我们可以看到类似windows注册表一样的层次关系，’+’号可以点击展开，看到内部的结构。像图中的ftyp，moov，mvhd，trak，mdat这些在mp4中叫做box。box的基本结构由box header + box data组成。

由于mp4官方协议中的box种类很多，网上也有文章在讲解关于各个box的作用。这里就不一一列出了。接下来我们在讲关于文件拖动原理的时候会慢慢接触到。

在处理拖动时，必然要去解析mp4的格式，我们假定文件已经存在于我们服务器的磁盘上，文件名为test.mp4。所以我们解析文件格式，就需要去读取该文件，但是对于读取的策略有很多种，可以一次read或者mmap将磁盘上的内容搬到内存上来，但是对于体积太大的文件来说，这种方式是不可行的。另外一种常见方式，就是需要读的时候才读指定的一点内容。比如当前只读取boxA，处理解析完之后再读boxB。我们这里的分析就以这种方式来展开。这样的代价就是产生了大量的IO。这里还有一种方式就是每次读取一块固定大小的内容，然后再解析，解析完了再去读一块数据。这样可以在IO和内存的消耗之间获得一个折衷。这些一些跟优化相关的问题。我们先不做过多的讨论。

一般的mp4点播拖动业务，通常都是通过在url的参数的start和end参数来处理的。例如：

http://test.com/vedio/mp4/test.mp4?start=10.01&&end=100.00

这里的start和end从程序的角度来看，他们是似乎是double类型。他们其实是时间，单位为秒。也就是说这个请求是想获取test.mp4文件的（在播放时间角度上来看）从10.01秒到100.00秒之间的这部分内容。当然，你可能说比较普遍的应该是只有start而没有end，毕竟别人播放器拖动视频的时候，只是在找一个起始的播放点，end不需要带，默认是到文件的末尾。但是很有网站可能有这样的需求，为了省带宽，他们在你拖动之后，只给你加载5分钟的数据，即end=start+5min，这样的话请求的start和end参数就会同时存在。

那问题来了，为什么不直接用位移来作为start和end的参数。这样请求到了视频服务器，就可以按照偏移直接把文件发给你了。首先，这种情况不需要使用url参数，直接发送带range的http请求就可以了。再者，因为跟随机拖动的许多关键位移信息在服务器端的视频文件里，在开始播放时前端播放器很难获得相关的数据。

那你可能会问，既然对于播放器来说，位置偏移很难获得，那么时间又是怎么获得的？以优酷为例：

http://v.youku.com/v_show/id_XMTI3NjM1Nzk1Ng==_ev_1.html

这只是一个播放页的html文件，并不是实际要播放的视频。这个请求很关键，通过这次请求，播放器前端可以获得该视频的总体播放时长等信息。关于这个信息我们可以在这个html的源码里得到：

最后一样3611.82就是视频总时长，取整以后就是60分11秒。

那么接下来我们拖动视频进度条的时候，前端就可以拿光标在播放条上的位置，按比例换算成时间，然后作为start的参数，发起HTTP请求来获取相应内容了。

鼠标偏移（已知） / 进度条总长度（已知） = 偏移时间（未知） / 总时长（已知）

（未完待续）