文章目录
一、背景知识：什么是 B-Tree 和 B+Tree？
B-Tree（平衡多路查找树）
B+Tree（B-Tree 的变种）
二、结构对比：一张图看懂
三、为什么 MySQL InnoDB 选择 B+Tree？
1. 范围查询更快
2. 数据访问更稳定
3. 节点利用率更高，降低树高
四、示例演示：索引结构差异
B-Tree 查找
B+Tree 查找（MySQL InnoDB 使用）
五、实际应用中的建议
六、总结
附：面试回答模板
推荐阅读
一、背景知识：什么是 B-Tree 和 B+Tree？
B-Tree（平衡多路查找树）
-
是一种多路平衡搜索树，每个节点可以有多个子节点。
-
每个节点同时存储键和值，并维护有序结构。
-
查找时可能在非叶子节点就找到目标数据。
B+Tree（B-Tree 的变种）
-
所有实际数据只存在叶子节点。
-
非叶子节点只存键（索引），作为导航用途。
-
所有叶子节点之间通过链表连接，支持高效的范围查找。
二、结构对比：一张图看懂
| 特性 | B-Tree | B+Tree |
|---|---|---|
| 数据存储位置 | 所有节点都存键和值 | 只有叶子节点存值，非叶子只存键 |
| 范围查询效率 | 较低，需遍历多个节点 | 高，叶子节点链表支持顺序遍历 |
| 查询命中位置 | 可能在中间节点 | 一定命中在叶子节点，访问路径更稳定 |
| 节点利用率 | 较低，数据占空间 | 更高，非叶节点只存键，占空间更少 |
| 是否支持顺序遍历 | 支持但不高效 | 天然支持（链表结构） |
| MySQL 支持情况 | （MyISAM 用过早期版本） | InnoDB 默认使用 B+Tree |
三、为什么 MySQL InnoDB 选择 B+Tree？
1. 范围查询更快
SQL 中很多查询是范围查找：
SELECT * FROM orders WHERE price BETWEEN 100 AND 500;
B+Tree 中，叶子节点按大小排序，并通过链表连接，只需顺着链表扫描，性能极高。
2. 数据访问更稳定
在 B+Tree 中，无论查找哪个值，路径总是走到叶子节点，避免 B-Tree 中“命中中间节点”的不确定性，有利于磁盘缓存和预读。
3. 节点利用率更高，降低树高
-
非叶子节点只存键值，占空间更小；
-
每层可存更多索引，树高更低，减少磁盘 IO 次数。
举例：如果单次 IO 能读 16KB，一个节点能放 400 个索引项，3 层 B+Tree 可管理 6400 万条记录，极大提高性能。
四、示例演示：索引结构差异
B-Tree 查找
[10 | 20]
/ | \
[5] [15] [25]
可能在中间节点 [10 | 20] 就找到了值，不必下探。
B+Tree 查找（MySQL InnoDB 使用）
[10 | 20]
/ | \
[5]→[10]→[15]→[20]→[25]
所有数据都在叶子节点，查找、范围扫描、排序更高效。
五、实际应用中的建议
| 场景 | 建议 |
|---|---|
| 主键索引 | B+Tree 最适合 |
| 范围查询 / 排序字段 | 用 B+Tree（天然支持） |
| 哈希查找 | 不建议使用 B-Tree / B+Tree，适用 Hash 索引（Memory 引擎） |
| 高频随机查询 | 可配合缓存使用，优化 IO |
六、总结
B+Tree 是为数据库量身定制的索引结构，MySQL InnoDB 使用它正是因为它在磁盘存储、范围查询、空间效率上都表现优异。
| 对比点 | B-Tree | B+Tree （MySQL 使用） |
|---|---|---|
| 查询速度 | 中等 | 更稳定 |
| 范围查询效率 | 一般 | 极高 |
| IO 次数 | 可能少 | 更可控 |
| 空间利用率 | 较低 | 更高 |
附：面试回答模板
Q：MySQL 为什么使用 B+Tree 而不是 B-Tree？
答：
因为 B+Tree 将所有数据放在叶子节点，并通过链表连接，查询路径稳定、范围查询效率高、节点利用率高，能有效减少磁盘 IO，特别适合大规模数据场景。InnoDB 就是基于 B+Tree 的索引结构。
推荐阅读
-
《高性能 MySQL》第三章 索引基础
-
MySQL 官方文档：InnoDB 索引结构
-
MIT 6.830 数据库系统课程：Tree-based Indexing
