搞懂這個問題之前，我們首先來看一下MySQL表的存儲結構，再分别對比二叉樹、多叉樹、B樹和B+樹的差別就都懂了。
MySQL的存儲結構
表存儲結構
機關：表>段>區>頁>行
在資料庫中， 不論讀一行，還是讀多行，都是将這些行所在的頁進行加載。也就是說存儲空間的基本機關是頁。
一個頁就是一棵樹B+樹的節點，資料庫I/O操作的最小機關是頁，與資料庫相關的内容都會存儲在頁的結構裡。
B+樹索引結構
在一棵B+樹中，每個節點為都是一個頁，每次建立節點的時候，就會申請一個頁空間
同一層的節點為之間，通過頁的結構構成了一個雙向連結清單
非葉子節點為，包括了多個索引行，每個索引行裡存儲索引鍵和指向下一層頁面的指針
葉子節點為，存儲了關鍵字和行記錄，在節點内部(也就是頁結構的内部)記錄之間是一個單向的連結清單
B+樹頁節點結構
有以下幾個特點将所有的記錄分成幾個組， 每組會存儲多條記錄，
頁目錄存儲的是槽(slot)，槽相當于分組記錄的索引，每個槽指針指向了不同組的最後一個記錄
我們通過槽定位到組，再檢視組中的記錄
頁的主要作用是存儲記錄，在頁中記錄以單連結清單的形式進行存儲。
單連結清單優點是插入、删除友善，缺點是檢索效率不高，最壞的情況要周遊連結清單所有的節點。是以頁目錄中提供了二分查找的方式，來提高記錄的檢索效率。
B+樹的檢索過程
我們再來看下B+樹的檢索過程從B+樹的根開始，逐層找到葉子節點。
找到葉子節點為對應的資料頁，将資料葉加載到記憶體中，通過頁目錄的槽采用二分查找的方式先找到一個粗略的記錄分組。
在分組中通過連結清單周遊的方式進行記錄的查找。
為什麼要用B+樹索引
資料庫通路資料要通過頁，一個頁就是一個B+樹節點，通路一個節點相當于一次I/O操作，是以越快能找到節點，查找性能越好。
B+樹的特點就是夠矮夠胖，能有效地減少通路節點次數進而提高性能。
下面，我們來對比一個二叉樹、多叉樹、B樹和B+樹。
二叉樹
二叉樹是一種二分查找樹，有很好的查找性能，相當于二分查找。
但是當N比較大的時候，樹的深度比較高。資料查詢的時間主要依賴于磁盤IO的次數，二叉樹深度越大，查找的次數越多，性能越差。
最壞的情況是退化成了連結清單，如下圖
為了讓二叉樹不至于退化成連結清單，人們發明了AVL樹(平衡二叉搜尋樹)：任何結點的左子樹和右子樹高度最多相差1
多叉樹
多叉樹就是節點可以是M個，能有效地減少高度，高度變小後，節點變少I/O自然少，性能比二叉樹好了
B樹
B樹簡單地說就是多叉樹，每個葉子會存儲資料，和指向下一個節點的指針。
例如要查找9，步驟如下我們與根節點的關鍵字 (17，35)進行比較，9 小于 17 那麼得到指針 P1；
按照指針 P1 找到磁盤塊 2，關鍵字為(8，12)，因為 9 在 8 和 12 之間，是以我們得到指針 P2；
按照指針 P2 找到磁盤塊 6，關鍵字為(9，10)，然後我們找到了關鍵字 9。
B+樹
B+樹是B樹的改進，簡單地說是：隻有葉子節點才存資料，非葉子節點是存儲的指針；所有葉子節點構成一個有序連結清單
B+樹的内部節點并沒有指向關鍵字具體資訊的指針，是以其内部節點相對B樹更小，如果把所有同一内部節點的關鍵字存放在同一盤塊中，那麼盤塊所能容納的關鍵字數量也越多，一次性讀入記憶體的需要查找的關鍵字也就越多，相對IO讀寫次數就降低了
例如要查找關鍵字16，步驟如下與根節點的關鍵字 (1，18，35) 進行比較，16 在 1 和 18 之間，得到指針 P1(指向磁盤塊 2)
找到磁盤塊 2，關鍵字為(1，8，14)，因為 16 大于 14，是以得到指針 P3(指向磁盤塊 7)
找到磁盤塊 7，關鍵字為(14，16，17)，然後我們找到了關鍵字 16，是以可以找到關鍵字 16 所對應的資料。
B+樹與B樹的不同：B+樹非葉子節點不存在資料隻存索引，B樹非葉子節點存儲資料
B+樹查詢效率更高。B+樹使用雙向連結清單串連所有葉子節點，區間查詢效率更高(因為所有資料都在B+樹的葉子節點，掃描資料庫 隻需掃一遍葉子結點就行了)，但是B樹則需要通過中序周遊才能完成查詢範圍的查找。
B+樹查詢效率更穩定。B+樹每次都必須查詢到葉子節點才能找到資料，而B樹查詢的資料可能不在葉子節點，也可能在，這樣就會造成查詢的效率的不穩定
B+樹的磁盤讀寫代價更小。B+樹的内部節點并沒有指向關鍵字具體資訊的指針，是以其内部節點相對B樹更小，通常B+樹矮更胖，高度小查詢産生的I/O更少。source:https://www.cnblogs.com/chenqionghe/p/14295404.html
喜歡，在看