視頻就是一個快速連續播放的圖片， 當每秒播放的速度足夠快時，人眼就會覺得圖片是“動”的（要求>24幀/秒）。隨時間連續變換的多張畫面中每張畫面就叫一幀，如果把這些幀數據轉換成圖片文件并按順序排列就是一個視頻文件。如果把這個視頻文件在網絡上進行傳輸，那么數據必然就很大并且相鄰的幀有需要重復的地方，所以有人就專門寫了些算法對視頻文件進行編碼，常見的就是H.264編碼，H.264編碼將保留一張基本幀，其他的幀只是記錄差別的地方。
在H.264編碼中，得到的文件可以看做是連續的一組幀的集合，在這組幀當中，通常第一幀就是記錄基本畫面，是最重要的一幀數據，叫做I幀（Inter Frame），其他的幀數據是P幀（P-Frame）或B幀（B幀）,P幀和B幀需要參考其他的幀數據才能還原畫面。
所以獲得I幀數據就可以進行播放了，從I幀數據開始到下個I幀數據之前所有的數據就一個GOP，即一個幀數據組。當我們看一個直播時通常會希望點開直播就能看到畫面，即所謂的秒開，一般秒開的實現是拿到I幀就立馬進行顯示的。但是對于觀看直播的用戶來將進入直播間的時間是隨機的，也許進來時剛好請求到I幀，立馬可以拿到I幀， 也許進來時剛好I幀結束，那么他就需要等一個GOP時間之后才能拿到下組的I幀進行觀看。這就產生了一個問題，GOP時間到底需要設置多長才合理？以及Gop的大小對直播到底有什么影響？
我們知道Gop時長就是指的2個I幀之間的時間差，一個Gop組中只有一個I幀。
如果Gop時間設置比較大時，顯然B幀和P幀會有很多，則其對于的壓縮比就比較高了，所耗費的流量就相對較小。但這樣做的話，對于在I幀結束后進入直播間的用戶來將就需要等待比較久的時間，等待時間就比較久了，達不到秒開的效果。
如果 GoP設置比較小時，由于GoP設置小可以降低I幀間隔時間，對于直播來說可以實現秒開的功能。但是由于GoP時間比較短，會導致I幀的比例增高，壓縮比降低。同樣碼率情況下視頻的質量會有所下降。數據流量也比較大了。
一般來講Gop一般會設置為1-2秒比較合適。
上面講到的秒開是針對客戶端進行的一些設置， 對應服務器端也可以做些配置來實現秒開。在服務器端一般可以設置Gop緩存，即在服務器上保存上一個Gop組數據，當用戶進入直播間時，立即拿到上一個Gop的I幀，這樣客戶端進入直播間的瞬間永遠是I幀開頭的數據，從而達到秒開。但是這種方案對于延遲要求比較高的場景不不適合了，畢竟拿到的是上一Gop的I幀，這就會增加了一個延遲，而且這個延遲和Gop大小有關。
所以如果要實時性的話，還是只能通過減少關鍵幀間隔來進行優化了。
