一、B+树定义
在数据结构中我们经常用到二叉树，这种数据结构的时间复杂度是O(logn)，相对于数组、链表有较好的 读、写效率。B+树是二叉树的一种变种，它既有 二叉树 数据有序性、良好读写效率 又可以控制树的高度，避免二叉树退化为链表。
- B+树就是M叉树，其必须符合如下条件：
- 每个节点个数不能超过M，但不能小于M/2；
- 根节点的子节点树可以小于M/2；
- 通过链表将叶子节点连在一起，这样方便区间查找；
二、为什么选用B+树作为索引
我们知道的 散列表、平衡二叉树、跳表 都有较好的读写效率，为什么非要用一个M叉树呢？
-
散列表：在MySQL中，是有这种HASH索引方法，这种数据结构读取数据效率非常高，时间复杂度O(1),但是不支持按区间快速查询数据；
-
平衡二叉树：查询效率比较好，时间复杂度是O(logn),而且数据具有有序性便于区间查询，但无法支持区间快速查询；
-
跳表：跳表是在链表之上加上多层索引构成，它支持快速的
插入、查询、删除数据对应的时间复杂度是O（logn），且支持区间查询只需要定位到起始节点，然后这个节点开始，顺序遍历链表，直到区间终点为止。跳表需要将所有数据都存到内存，需要消耗较大的内存空间。
三、B+树构建索引过程
1）将叶子节点串在一个链表上，链表上的数据是从小到大有序的，这样查询区间数据的时候， 拿到起始数据向后遍历到截至数据，就是所需数据。
2）一般情况， 根节点被存储在内存中，其它节点存储在硬盘中。
M叉树，如果高度是N，读取数据的时候需要与硬盘有N次IO,这样比二叉平衡树少了IO次数，且节约了内存空间 。
3）数据写入，会导致索引更新，导致写入变慢
在B+树中，M（树高度）值是已经计算好的，在数据写入过程中， 可能会到值子节点数量大于M，这个节点大小大于页的大小，需要对B+树结构进行更新。需要将一个节点分裂为两个节点，这样分裂后上级节点可能超过M个，用同样方法将父级节点分裂为两个节点。这种反映是 之下而上，一直影响到根节点。
3）B+树会导致删除数据变慢
删除数据的时候， 需要更新B+树中的节点信息。如果某节点子节点少于M/2，就需要将相邻的兄弟节点合并，如果在合并后节点的子节点数超过了M，那就需要要在分裂节点。
