前提知識
這篇博客主要是爲了分析B樹及B+樹作爲索引的應用原因，而不是這兩種樹結構的內存模型，所以很多知識點都是簡單的說了哈。
查找方法
首先B+樹的索引結構，在查找時使用的是二分查找的方法。類似使用二分查找的還有很多，比如Redis的跳錶查詢，kafuka的日誌消息查詢也是使用這種方法。時間複雜度O（logn）
計算機預讀取機制
這個就屬於計算機機制的方面內容了，簡單來說：在計算機讀取到一個字節，大概率也會讀取到其周圍的數據，所以計算機會提前將你讀取數據的周圍數據同時加載到內存，加快你訪問周圍數據的速度。
B樹
B樹在每個節點上都用來存儲多個關鍵字（也就可以理解我們說的是索引），如果我們將節點大小設置成磁盤大小，那麼我們在查找到一個在該節點的數據時，通過預讀機制周圍數據同時加載到內存中，所以對於B樹來說絕大多數的查詢都發生在內存中。
這裏可以提一下關於爲什麼不用紅黑樹，由於紅黑樹H高的問題，可能導致數據距離較遠，所以查詢時會多次去磁盤讀取，效率低下不及B樹。
B+樹
關於B+樹，與B樹最大的不同處，也就是B+樹只用葉子節點（就是樹最下方的節點）存儲數據，非葉子節點存儲指針指向下一個節點（理解爲是用來導航的），Mysql也是正是利用這點在作爲索引時相比B樹提高訪問速度，稍後解釋。
查找過程分析
先給出一個樹結構，我們下面就根據這個圖來分析B樹和B+樹的作爲索引時的查找過程。
這張圖不是很嚴謹，主要作爲一個樹結構來看，而不是作爲B樹或B+樹結構來看。
其實我們絕大多數的根據索引查詢，分爲兩種。也就是根據Id查找一條數據、範圍查找數據。
單條數據查找
- B樹單條數據查找過程
首先我們從根節點一次一次的通過根節點向不同的葉子節點遍歷，直到找到存放數據的節點。但是我們這裏注意一點，由於B樹是每個節點上都存放數據，所以我們在查找到一條數據時，通過預加載會把這個節點的數據加載到內存，以便加快訪問周圍數據。 - B+樹單條數據查找過程
遍歷的方式與B樹一摸一樣，沒有任何區別。但是由於B+樹的數據都存放在葉子節點上，所以我們通過一個預加載時，可以加載更多數據到內存當中。 - 比較
在單條數據的讀取時，最大的區別就是，B+樹結構通過預加載機制可以比B樹結構加載更多周圍數據到內存中。這樣一些情況下B+樹在訪問數據可能比B樹更快。
B+樹>=B樹，B+樹小勝。
範圍數據查找
- B樹範圍數據查找過程
B樹在範圍查詢時，B樹依然需要通過從根節點到葉子節點的一遍遍遍歷，來找到符合範圍條件的數據。 - B+樹範圍數據查找過程
B+樹由於所有數據都存放在葉子節點上，並且葉子節點存放數據還是有順序的。所以在範圍查詢時，只需要遍歷葉子節點，所以效率相比B樹要高的多得多。 - 比較
由於B+樹的存儲數據結構，在範圍查詢時只需要遍歷有序的葉子節點，找到“頭”和“尾”，中間的葉子節點就是我們要的範圍數據。
B+樹>>B樹，B+樹大勝。
總結
作爲Mysql的索引結構，一定是爲了加快查詢速度，通過不同情況下的查詢分析，我們可以看出B+樹是要比B樹更適合的，所以Mysql也就選用了B+樹作爲索引的結構。
在說點閒話吧，最近跟朋友想做一個網站，現在前提條件準備都有了，但是現在很想通過seo把網站排名到百度搜索前面，但是很懵哈哈哈，有沒有比較擅長這面的大佬交流交流啊啊啊。