## 1. **B树和B+树** 一般来说，数据库的存储引擎都是采用B树或者B+树来实现索引的存储。首先来看B树，如图所示。  B树是一种多路平衡树，用这种存储结构来存储大量数据，它的整个高度会相比二叉树来说，会矮很多。 而对于数据库而言，所有的数据都将会保存到磁盘上，而磁盘I/O的效率又比较低，特别是在随机磁盘I/O的情况下效率更低。 所以 高度决定了磁盘I/O的次数，磁盘I/O次数越少，对于性能的提升就越大，这也是为什么采用B树作为索引存储结构的原因，如图所示。 而MySQL的InnoDB存储引擎，它用了一种增强的B树结构，也就是B+树来作为索引和数据的存储结构。 相比较于B树结构来说，B+树做了两个方面的优化，如图所示。  1. B+树的所有数据都存储在叶子节点，非叶子节点只存储索引。 2. 叶子节点中的数据使用双向链表的方式进行关联。 ## 2. **原因分析** 我认为，MySQL索引结构采用B+树，有以下4个原因：  1. **从磁盘I/O效率方面来看：** B+树的非叶子节点不存储数据，所以树的每一层就能够存储更多的索引数量，也就是说，B+树在层高相同的情况下，比B树的存储数据量更多，间接会减少磁盘I/O的次数。 2. **从范围查询效率方面来看：** 在MySQL中，范围查询是一个比较常用的操作，而B+树的所有存储在叶子节点的数据使用了双向链表来关联，所以B+树在查询的时候只需查两个节点进行遍历就行，而B树需要获取所有节点，因此，B+树在范围查询上效率更高。 3. **从全表扫描方面来看：** 因为，B+树的叶子节点存储所有数据，所以B+树的全局扫描能力更强一些，因为它只需要扫描叶子节点。而B树需要遍历整个树。 4. **从自增ID方面来看：** 基于B+树的这样一种数据结构，如果采用自增的整型数据作为主键，还能更好的避免增加数据的时候，带来叶子节点分裂导致的大量运算的问题。 ## 3. **总结** 总体来说，我认为技术方案的选型，更多的要根据具体的业务场景来决定，并不一定是说B+树就是最好的选择，就像MongoDB里面采用B树结构，本质上来说，其实是关系型数据库和非关系型数据库的差异