B树的一种变种形式，B+树上的叶子结点存储关键字以及相应记录的地址，同等存储空间下比B-Tree存储更多Key。非叶子节点不对关键字记录的指针进行保存，只进行数据索引 , 树的层级会更少 , 所有叶子节点都在同一层, 叶子节点的关键字从小到大有序排列，叶子节点之间用指针连接, 构成有序链表（稠密索引）。
B+树上每个非叶子节点之间是一个双向链表进行链接，而叶子节点中的数据都是使用单向链表链接。
检索特点
当索引部分某个结点的关键字与所查的关键字相等时，并不停止查找，继续沿着关键字的指针向下，每次查询必须到叶子节点才能真正获取到相关数据。B+Tree叶子节点相连接，对树的遍历就是只需要一次线性遍历叶子节点。由于叶子节点的数据是顺序排列，方便区间查找，在B+树完成范围查找、排序查找、分组查找、去重查找比B-Tree效率更高。
动画演示： B+ Tree Visualization
演示：M=5
1）插入可以是中文或者是英文，对应会转为ASCII码 ；
2）插入第五个元素时，会将中间的元素往上提，并在中间保留一个元素在叶子节点，叶子节点间用指针相连；
B-Tree和B+树区别
两种树各有优缺点和应用场景：
1）B树和B+树的最大区别在于非叶子节点是否存储数据；
2）B+树非叶子节点只是当索引使用，同等空间下B+树存储更多key；
3）B树,非叶子节点和叶子节点都会存储数据，找到对应节点就有对应的数据；
4）B+树, 只有叶子节点才会存储数据,存储的数据都是在一行上，找到非叶子节点的key，还需要继续找到叶子节点才可以获取数据；
5）B树的节点包括了key-value，所以找到对应的key即可找到对应的value，不用在继续寻找；
Mysql索引底层剖析
在多数数据库的设计里面，会用B-Tree或B+Tree做索引提高查询效率
基于一张数据库的表数据进行查询（类似mysql的user表）
构建索引：id用做key，然后data是数据的存储地址
| 内存地址 | id | phone | name | Age |
|---|---|---|---|---|
| 0xFS | 212 | 13012341234 | 张三 | 34 |
| 0xER | 324 | 15725112361 | 李四 | 46 |
| 0x32 | 461 | 18612695656 | 王五 | 24 |
| 0x93 | 524 | 13109910002 | 赵六 | 29 |
| 0xAP | 689 | 13399811341 | 钱七 | 30 |
| 0xSQ | .... 1千万条数据 |
精确查找 id = 689 的数据
sql：select * from user where id = 689
1）未使用索引：自上而下查找数据，一行行遍历，5次才找到数据；
2）使用索引：ID建立主键索引（B+Tree结构），对应的数据存储数据的地址，2次找到数据，且数据量越多效果越明显；
根节点是常驻内存的，不需要进行IO操作；
查询ID=689时 ，IO从461才开始发生第一次IO，随之时524、689
范围查找 id>212和 id < 524的用户
sql：select * from user where id > 212 and id < 524
1）未使用索引：自上而下查找数据，一行行遍历；
2）使用索引：id建立主键索引（B+Tree结构），由于本身是有序链表，所以顺序查找即可；
举一反三
如果把相关数据都放到B+Tree叶子节点上，拿查询的时候直接一次性就可以把数据获取了。
以这个为例，我们展开讲讲Mysql中的InnoDB中的索引结构与MyISAM的索引结构区别
InnoDB引擎
表数据文件按B+Tree组织的，叶节点data域保存完整行数据, 树上的key就是主键, 以主键构建的B+树索引。
这种索引叫做聚集索引（聚簇索引 clustered index），聚簇索引一般为主键索引，而主键一个表中只能有一个，所以聚集索引一个表只能有一个聚簇索引叶子节点存储的是行数据，而非聚簇索引叶子节点存储的是聚簇索引（通常是主键 ID）
MyISAM引擎
索引文件和数据文件是分开的，索引结构的叶子节点放的是指向数据的主键（或者是地址）构建的B+树索引。
这种索引叫做非聚集索引、二级索引、辅助索引（非聚簇索引 nonclustered index），非聚集索引一个表可以存在多个。
叶子节点中保存的不是实际数据，而是主键，获得主键值后去聚簇索引中获得数据行。
非聚簇索引的叶子节点上存储的并不是真正的行数据，而是主键 ID或记录的地址。当使用非聚簇索引进行查询时，会得到一个主键 ID，再使用主键 ID 去聚簇索引上找真正的行数据，把这个过程称之为回表查询，所以聚簇索引查询效率更高，而非聚簇索引需要进行回表查询，性能不如聚簇索引。
