一、封装格式概述：什么是封装格式、为什么需要封装、常见封装格式对比（MP4/TS/FLV/MKV）
大家好，我是你们这门课的老朋友。咱们今天开篇先聊点基础但极其重要的东西——封装格式。
你想想看，我们平时看视频，不管是手机里的 MP4，还是网页上的 FLV，或者电视直播里的 TS 流，这些文件的后缀名其实就是封装格式的身份证。但很多人干了几年流媒体，对封装的理解还停留在「不就是个容器嘛」的层面。嗯，这其实是个坑，我当年就踩过。
1.1 什么是封装格式？
封装格式，说白了就是一个「盒子」。这个盒子把视频轨道、音频轨道、字幕、章节信息、元数据（比如分辨率、码率、帧率）全部打包在一起。它不负责压缩视频，也不负责解码音频，它只负责「装」和「组织」。
举个例子：你用 H.264 编码器压出来一段视频裸流（.h264），用 AAC 编码器压出来一段音频裸流（.aac），这两者本身是没法直接播放的。你需要一个容器把它们合在一起，告诉播放器：「这段视频从第 0 秒到第 10 秒，对应的音频从第 0 秒到第 10 秒，同步播放。」这个容器就是封装格式。
核心要点：封装格式 = 容器 + 索引 + 时间轴。它解决的是「如何组织、索引、同步多路媒体流」的问题，而不是「如何压缩」的问题。
我个人习惯把封装格式比作一个快递箱。视频轨是衣服，音频轨是鞋子，字幕是说明书。箱子本身不生产这些东西，但它决定了你怎么放、怎么贴标签、怎么让收件人（播放器）方便地取出所有东西。
1.2 为什么需要封装？
你可能会问：直接把 H.264 裸流丢给播放器不行吗？行，但那是极客玩法。实际工程中，我们需要封装的原因至少有这几点：
- 同步问题：视频和音频是分开编码的，没有封装格式的时间戳（PTS/DTS），播放器根本不知道哪一帧画面配哪一段声音。我在项目中遇到过裸流播放音画不同步的惨案，后来发现就是封装层的时间戳没写对。
- 索引与随机访问：你想快进到第 30 分钟，如果没有索引表，播放器就得从头读到尾——这在 2 小时的电影里简直是灾难。封装格式里的 moov box（MP4）或者索引表（FLV）就是干这个的。
- 元数据承载：分辨率、帧率、编码器信息、旋转角度、甚至封面图，这些信息都靠封装格式来携带。没有它们，播放器只能猜，猜错了就花屏或者黑屏。
- 流式传输支持：直播场景下，封装格式必须支持「边下载边播放」。比如 FLV 的头部信息很小，可以快速开始播放；而 MP4 如果 moov box 放在文件末尾，就必须先下载完整个文件才能播——这就是为什么网页端经常用「fMP4」（分片 MP4）的原因。
避坑指南：我曾经在一个点播项目中，直接把 MP4 文件丢到 CDN 上，结果用户播放时首屏加载花了 10 秒。后来发现是 moov box 在文件末尾，播放器必须下载完整个文件才能开始播。解决方案是用工具把 moov box 移到文件头部（这叫「快速启动」或「moov atom 前置」）。
1.3 常见封装格式对比
市面上封装格式少说几十种，但咱们做流媒体工程，最常打交道的就四个：MP4、TS、FLV、MKV。我按自己的经验给你拆开讲讲。
| 特性 | MP4 | TS | FLV | MKV |
|---|---|---|---|---|
| 全称 | MPEG-4 Part 14 | MPEG Transport Stream | Flash Video | Matroska |
| 诞生时间 | 2001 年 | 1995 年（DVB 时代） | 2003 年 | 2002 年 |
| 主要用途 | 点播、移动端、网页 | 直播、广播电视、HLS | 直播、网页播放（Flash 时代） | 本地存储、高清收藏 |
| 索引方式 | moov box（可前置/后置） | 无全局索引，靠 PAT/PMT | 文件头 + 索引表（可后加） | EBML + Segment + Cues |
| 流式支持 | 需 fMP4 或 moov 前置 | 天生支持（188 字节小包） | 天生支持（头部小） | 不擅长（需加载完整索引） |
| 容错性 | 差（一个 box 损坏可能全废） | 极强（丢包不影响其他包） | 中等（Tag 结构清晰） | 强（可内嵌多个附件） |
| 编码支持 | H.264/H.265/AAC/MP3 | 几乎任何编码 | H.264/AAC/MP3（VP6 已淘汰） | 几乎任何编码（开源优势） |
| 元数据丰富度 | 中等 | 低（主要靠 PSI/SI） | 低（只有基本信息） | 极高（章节、附件、字体） |
这张表你最好收藏一下，以后选封装格式时直接翻出来看。我个人习惯是：点播用 MP4，直播用 FLV 或 TS，本地收藏用 MKV。但这不是绝对的，具体场景要具体分析。
MP4：行业老大哥
MP4 是目前兼容性最好的封装格式。从 iPhone 到 Android，从 Chrome 到 Safari，从 OBS 到 Premiere，没人不认识它。它的核心结构基于 ISO Base Media File Format（ISOBMFF），用「box」来组织数据。
但 MP4 有个致命弱点：moov box 的位置。如果 moov box 在文件末尾，播放器必须下载完整个文件才能开始播放。这在点播场景下是灾难。所以现在业界普遍用「fMP4」（Fragmented MP4），把 moov box 拆成多个 moof box，每个分片独立索引，适合 DASH 和 HLS 的 fMP4 模式。
注意：MP4 的容错性其实很差。如果文件中间某个 box 损坏，后面的数据可能全部无法解析。我曾经在录制设备上遇到过断电导致 MP4 文件损坏的情况，修复起来非常麻烦。所以录制场景我建议用 TS 或者先录成 FLV 再转封装。
TS：直播老炮
TS（Transport Stream）是 DVB 和 ATSC 标准里定义的封装格式，专门为广播电视设计。它的基本单位是 188 字节的 TS 包，每个包都有同步头，所以抗丢包能力极强。哪怕你丢了 10% 的包，播放器依然能解析出剩下的内容——最多花屏一下，不会整个崩溃。
HLS（HTTP Live Streaming）最初就是用 TS 作为封装格式，每个切片是一个 .ts 文件。虽然现在 HLS 也支持 fMP4 了，但 TS 在直播场景下的地位依然稳固。
不过 TS 也有缺点：元数据支持极差。你想在 TS 里加个章节信息？基本不可能。它的 PSI/SI 表只能传递最基本的节目信息，连分辨率都得靠视频流里的 SPS/PPS 来猜。
FLV：网页直播老兵
FLV 是 Adobe 搞出来的，当年 Flash 统治网页时，FLV 就是直播和点播的标配。它的结构很简单：文件头 + 若干个 Tag（音频 Tag、视频 Tag、脚本 Tag）。每个 Tag 都有时间戳，所以天然支持流式播放。
现在 Flash 已经死了，但 FLV 还活着。为什么？因为 RTMP 协议传输的就是 FLV 数据。你在 OBS 里推流到服务器，底层就是 FLV over RTMP。很多 CDN 的直播接入也依然用 FLV。
FLV 的缺点也很明显：编码支持有限。H.265 和 AV1 在 FLV 里没有标准定义，虽然可以自己扩展，但兼容性就不好说了。另外 FLV 的元数据也很弱，只能通过 onMetaData 脚本传递一些基本信息。
MKV：开源全能王
MKV（Matroska）是开源社区的杰作。它的结构基于 EBML（类似 XML 的二进制格式），非常灵活。你可以把任意数量的视频轨、音频轨、字幕轨、附件（字体、图片）塞进去，还能加章节、标签、甚至菜单。
MKV 在本地收藏和蓝光 RIP 场景下几乎是标准。但它在流媒体领域不太行——因为它的索引表（Cues）通常放在文件末尾，而且文件体积大，不适合网络传输。不过现在也有 WebM（基于 MKF 的子集，用于 VP8/VP9 编码）在网页端使用。
一句话总结：MP4 是「兼容之王」，TS 是「直播铁汉」，FLV 是「老兵不死」，MKV 是「收藏神器」。选哪个，看你的场景。
1.4 封装格式的核心知识体系
为了让你更直观地理解封装格式在整个流媒体系统中的位置，我画了一张图。这张图展示了从原始媒体到最终播放的完整链路，封装格式处于「编码之后、传输之前」的关键位置。
从这张图你可以看到：封装格式是连接编码器和传输协议的桥梁。没有它，编码后的裸流就是一盘散沙；没有它，播放器无法知道什么时候该播哪一帧。我们这门课后面会深入每个格式的二进制结构，手把手教你解析和封装数据流。
1.5 怎么选封装格式？
最后给你一个实战中的选择指南。别纠结，按场景来：
- 点播（VOD）：首选 MP4（moov 前置），兼容性最好。如果要做自适应码率，用 fMP4 分片。
- 直播（Live）：RTMP 推流用 FLV，HLS 分发用 TS 或 fMP4。如果网络环境差，TS 更抗丢包。
- 本地存储/备份：MKV，能塞字幕、章节、多音轨，而且开源无专利风险。
- 移动端 H5 播放：MP4（H.264 + AAC），所有浏览器都支持。
- 广电/专业设备：TS，因为它是行业标准，设备兼容性最好。
我的经验：如果你刚开始做流媒体项目，先别碰 MKV 和 TS 的解析，从 MP4 和 FLV 入手。这两个格式的文档最全，社区工具最多，踩坑了也容易找到答案。我当年就是从 FLV 的 Tag 解析开始入门的，那会儿还在用 Flash Player，现在想想都是回忆。