搞懂這個問題之前，我們首先來看一下MySQL表的存儲結構，再分別對比二叉樹、多叉樹、B樹和B+樹的區別就都懂了。
MySQL的存儲結構
表存儲結構
單位：表>段>區>頁>行
在數據庫中， 不論讀一行，還是讀多行，都是將這些行所在的頁進行加載。也就是說存儲空間的基本單位是頁。
一個頁就是一棵樹B+樹的節點，數據庫I/O操作的最小單位是頁，與數據庫相關的內容都會存儲在頁的結構裏。
B+樹索引結構
- 在一棵B+樹中，每個節點爲都是一個頁，每次新建節點的時候，就會申請一個頁空間
- 同一層的節點爲之間，通過頁的結構構成了一個雙向鏈表
- 非葉子節點爲，包括了多個索引行，每個索引行裏存儲索引鍵和指向下一層頁面的指針
- 葉子節點爲，存儲了關鍵字和行記錄，在節點內部（也就是頁結構的內部）記錄之間是一個單向的鏈表
B+樹頁節點結構
有以下幾個特點
- 將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），槽相當於分組記錄的索引，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，再查看組中的記錄
頁的主要作用是存儲記錄，在頁中記錄以單鏈表的形式進行存儲。
單鏈表優點是插入、刪除方便，缺點是檢索效率不高，最壞的情況要遍歷鏈表所有的節點。因此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。
- 找到葉子節點爲對應的數據頁，將數據葉加載到內存中，通過頁目錄的槽採用二分查找的方式先找到一個粗略的記錄分組。
- 在分組中通過鏈表遍歷的方式進行記錄的查找。
爲什麼要用B+樹索引
數據庫訪問數據要通過頁，一個頁就是一個B+樹節點，訪問一個節點相當於一次I/O操作，所以越快能找到節點，查找性能越好。
B+樹的特點就是夠矮夠胖，能有效地減少訪問節點次數從而提高性能。
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，相當於二分查找。
但是當N比較大的時候，樹的深度比較高。數據查詢的時間主要依賴於磁盤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鏈表，如下圖
爲了讓二叉樹不至於退化成鏈表，人們發明了AVL樹（平衡二叉搜索樹）：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，每個葉子會存儲數據，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 小於 17 那麼得到指針 P1；
- 按照指針 P1 找到磁盤塊 2，關鍵字爲（8，12），因爲 9 在 8 和 12 之間，所以我們得到指針 P2；
- 按照指針 P2 找到磁盤塊 6，關鍵字爲（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：只有葉子節點才存數據，非葉子節點是存儲的指針；所有葉子節點構成一個有序鏈表
B+樹的內部節點並沒有指向關鍵字具體信息的指針，因此其內部節點相對B樹更小，如果把所有同一內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，一次性讀入內存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，關鍵字爲（1，8，14），因爲 16 大於 14，所以得到指針 P3（指向磁盤塊 7）
- 找到磁盤塊 7，關鍵字爲（14，16，17），然後我們找到了關鍵字 16，所以可以找到關鍵字 16 所對應的數據。
B+樹與B樹的不同：
- B+樹非葉子節點不存在數據只存索引，B樹非葉子節點存儲數據
- B+樹查詢效率更高。B+樹使用雙向鏈表串連所有葉子節點，區間查詢效率更高（因爲所有數據都在B+樹的葉子節點，掃描數據庫 只需掃一遍葉子結點就行了），但是B樹則需要通過中序遍歷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數據，而B樹查詢的數據可能不在葉子節點，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+樹的內部節點並沒有指向關鍵字具體信息的指針，因此其內部節點相對B樹更小，通常B+樹矮更胖，高度小查詢產生的I/O更少。
這就是MySQL使用B+樹的原因，就是這麼簡單！