B+ 树的概念
基本概念
在 B+ 树中，关键字只存储在叶子结点，非叶子结点存储的是叶子结点所存储关键字的部分拷贝，所有的叶子结点也都在相同的高度，叶子结点本身按关键字大小从小到大链接。
特性
B+ 树的非叶子结点不直接存储数据的指针，所有数据的指针都存储在叶子结点
B+ 树叶子结点存储的数据从小到大有序排列，且相邻叶子结点之间具有链接
与 B 树的区别
与 B 树相比较，B+ 树具有以下特点：
B+ 树的非叶子结点不直接存储数据，存储的索引更多，树的层级更少，查询的速度更快
B+ 树所有数据的指针都存储在叶子结点，因此每次查找到数据的次数都相同，查询速度更稳定
B+ 树所有的叶子结点之间具有链接，构成了一个有序链表，查询范围区间的数据更方便
B+ 树遍历所有数据时只需要遍历所有叶子结点即可，相对 B 树遍历更快
为什么使用 B+ 树作为索引结构
每一种索引结构都有其对应的应用场景，易用性也是选择的标准之一，这里讨论一下为什么选用 B+ 树作为索引存储结构。
为什么不采用二叉查找树？
\(O(\log n\ 退化到 \(O(n\。
为什么不采用平衡二叉树？
红黑树常见的一种自平衡二叉查找树，但是也有一个问题：红黑树是一个近似平衡的二叉树，当数据量较大的时候，会出现树层级较大的情况。
因此，红黑树不适合作为存储在磁盘上的索引结构。
为什么不采用哈希表？
\(O(1\，其也是最常见的索引存储结构之一。
当然，如果是具有排序功能的哈希表，会非常适合作为存储在内存中的索引结果，如 Java 中的 TreeMap 对象。
为什么不采用 B 树？
而且，通过给一个结点存储一页的数据量，最大化地优化操作系统和磁盘的交互，解决了多次磁盘 IO 的问题。
当然，也有使用 B 树作为索引结构的数据库，如 MongoDB 等。