首先MySQL的数据**（索引+记录）**是存在磁盘里的，磁盘读取非常慢，所以要尽可能减少磁盘操作，因此我们需要更好的利用索引。
首先索引按顺序排列了数据，那么很显然最好的查找方式是二分查找，数组自然是一个初步的想法，但对于插入删除而言，数组开销太大，那么有什么好的方式能发挥二分查找的优势呢？
答案是二分查找树，左侧数据小于节点，右侧数据大于节点
但是有个极端情况，一直加入的是大于（或者小于）当前节点值得节点，那么二分查找树会退化成链表，就没法二分查找了
为解决这个问题，可以用平衡二叉查找树（AVL树），比二分查找树多了一个限制条件：每个节点得左右子树高度差不超过1。
红黑树也是平衡二叉树，但约束条件比较复杂，涉及左旋、右旋等。
不管是AVL树还是红黑树都是二叉树，就存在着一个问题——节点数量多的时候，深度很深，还是会增加磁盘io次数。
进一步，人们提出B树，也就是平衡M叉树，一层多放几个，比只放两个节点会好一些，降低树的深度。M是B树的阶，要求一个节点最多有M-1个值和M个子节点，多的话就分裂。
B树的数据和索引都存到节点中，也就是说找到了数据所在节点就能获取到数据了。但实际上，你每次从磁盘读入都是索引+记录，很大概率记录占用空间更大，那我一次读进内存，假设不是我要的，那我还不如一次多读点索引进来供我选择。而且B树还有一个问题，我想做范围查询假设要查5-8的数，那我就得做搜索，还得回退，又是一堆io，麻烦。
**重点：**因此B+树对B树做了升级，只有叶子节点存储了数据，其余节点只存索引，这样一次能读到更多索引。同时B+树的叶子节点之间也有链接，形成了链表，也就很好的支持了范围查询。
对比B树和B+树：
- 单个查询：B树可能会快，因为可能不用到叶子节点就查到了，但是其波动很大，可能是叶子节点可能是非叶子节点。而B+树非叶子节点存放索引数量更多，比B树矮胖，更少io次数搜索到叶子节点。
- 插入删除：B树可能会导致复杂的树结构变化；而B+树有很多冗余信息在非叶子节点上，基本不太会引起树的结构很大变化。
- 范围查询：B树肯定是要树的遍历才行；B+树则因为叶子节点之间的链接，很好的支持了范围查询。
Mysql的B+树做出了进一步改动，叶子节点是双向链表。对于聚簇索引，叶子节点的数据是具体的记录（实际数据）；对于二级索引，叶子节点的数据是主键值。
