视频就是一个快速连续播放的图片， 当每秒播放的速度足够快时，人眼就会觉得图片是“动”的（要求>24帧/秒）。随时间连续变换的多张画面中每张画面就叫一帧，如果把这些帧数据转换成图片文件并按顺序排列就是一个视频文件。如果把这个视频文件在网络上进行传输，那么数据必然就很大并且相邻的帧有需要重复的地方，所以有人就专门写了些算法对视频文件进行编码，常见的就是H.264编码，H.264编码将保留一张基本帧，其他的帧只是记录差别的地方。
在H.264编码中，得到的文件可以看做是连续的一组帧的集合，在这组帧当中，通常第一帧就是记录基本画面，是最重要的一帧数据，叫做I帧（Inter Frame），其他的帧数据是P帧（P-Frame）或B帧（B帧）,P帧和B帧需要参考其他的帧数据才能还原画面。
所以获得I帧数据就可以进行播放了，从I帧数据开始到下个I帧数据之前所有的数据就一个GOP，即一个帧数据组。当我们看一个直播时通常会希望点开直播就能看到画面，即所谓的秒开，一般秒开的实现是拿到I帧就立马进行显示的。但是对于观看直播的用户来将进入直播间的时间是随机的，也许进来时刚好请求到I帧，立马可以拿到I帧， 也许进来时刚好I帧结束，那么他就需要等一个GOP时间之后才能拿到下组的I帧进行观看。这就产生了一个问题，GOP时间到底需要设置多长才合理？以及Gop的大小对直播到底有什么影响？
我们知道Gop时长就是指的2个I帧之间的时间差，一个Gop组中只有一个I帧。
如果Gop时间设置比较大时，显然B帧和P帧会有很多，则其对于的压缩比就比较高了，所耗费的流量就相对较小。但这样做的话，对于在I帧结束后进入直播间的用户来将就需要等待比较久的时间，等待时间就比较久了，达不到秒开的效果。
如果 GoP设置比较小时，由于GoP设置小可以降低I帧间隔时间，对于直播来说可以实现秒开的功能。但是由于GoP时间比较短，会导致I帧的比例增高，压缩比降低。同样码率情况下视频的质量会有所下降。数据流量也比较大了。
一般来讲Gop一般会设置为1-2秒比较合适。
上面讲到的秒开是针对客户端进行的一些设置， 对应服务器端也可以做些配置来实现秒开。在服务器端一般可以设置Gop缓存，即在服务器上保存上一个Gop组数据，当用户进入直播间时，立即拿到上一个Gop的I帧，这样客户端进入直播间的瞬间永远是I帧开头的数据，从而达到秒开。但是这种方案对于延迟要求比较高的场景不不适合了，毕竟拿到的是上一Gop的I帧，这就会增加了一个延迟，而且这个延迟和Gop大小有关。
所以如果要实时性的话，还是只能通过减少关键帧间隔来进行优化了。
