1 搜索二叉樹：每個節點有兩個子節點，數據量的增大必然導致高度的快速增加，顯然這個不適合作為大量數據存儲的基礎結構。
2 B樹：一棵m階B樹是一棵平衡的m路搜索樹。最重要的性質是每個非根節點所包含的關鍵字個數 j 滿足：┌m/2┐ - 1 <= j <= m - 1；一個節點的子節點數量會比關鍵字個數多1，這樣關鍵字就變成了子節點的分割標志。一般會在圖示中把關鍵字畫到子節點中間，非常形象，也容易和后面的B+樹區分。由於數據同時存在於葉子節點和非葉子結點中，無法簡單完成按順序遍歷B樹中的關鍵字，必須用中序遍歷的方法。
3 B+樹：一棵m階B樹是一棵平衡的m路搜索樹。最重要的性質是每個非根節點所包含的關鍵字個數 j 滿足：┌m/2┐ - 1 <= j <= m；子樹的個數最多可以與關鍵字一樣多。非葉節點存儲的是子樹里最小的關鍵字。同時數據節點只存在於葉子節點中，且葉子節點間增加了橫向的指針，這樣順序遍歷所有數據將變得非常容易。
4 B*樹：一棵m階B樹是一棵平衡的m路搜索樹。最重要的兩個性質是1每個非根節點所包含的關鍵字個數 j 滿足：┌m2/3┐ - 1 <= j <= m；2非葉節點間添加了橫向指針。
B/B+/B*三種樹有相似的操作，比如檢索/插入/刪除節點。這里只重點關注插入節點的情況，且只分析他們在當前節點已滿情況下的插入操作，因為這個動作稍微復雜且能充分體現幾種樹的差異。與之對比的是檢索節點比較容易實現，而刪除節點只要完成與插入相反的過程即可（在實際應用中刪除並不是插入的完全逆操作，往往只刪除數據而保留下空間為后續使用）。
先看B樹的分裂，下圖的紅色值即為每次新插入的節點。每當一個節點滿后，就需要發生分裂（分裂是一個遞歸過程，參考下面7的插入導致了兩層分裂），由於B樹的非葉子節點同樣保存了鍵值，所以已滿節點分裂后的值將分布在三個地方：1原節點，2原節點的父節點，3原節點的新建兄弟節點（參考5，7的插入過程）。分裂有可能導致樹的高度增加（參考3，7的插入過程），也可能不影響樹的高度（參考5，6的插入過程）。
B+樹的分裂：當一個結點滿時，分配一個新的結點，並將原結點中1/2的數據復制到新結點，最后在父結點中增加新結點的指針；B+樹的分裂只影響原結點和父結點，而不會影響兄弟結點，所以它不需要指向兄弟節點的指針。
B*樹的分裂：當一個結點滿時，如果它的下一個兄弟結點未滿，那么將一部分數據移到兄弟結點中，再在原結點插入關鍵字，最后修改父結點中兄弟結點的關鍵字（因為兄弟結點的關鍵字范圍改變了）。如果兄弟也滿了，則在原結點與兄弟結點之間增加新結點，並各復制1/3的數據到新結點，最后在父結點增加新結點的指針。可以看到B*樹的分裂非常巧妙，因為B*樹要保證分裂后的節點還要2/3滿，如果采用B+樹的方法，只是簡單的將已滿的節點一分為二，會導致每個節點只有1/2滿，這不滿足B*樹的要求了。所以B*樹采取的策略是在本節點滿后，繼續插入兄弟節點（這也是為什么B*樹需要在非葉子節點加一個兄弟間的鏈表），直到把兄弟節點也塞滿，然后拉上兄弟節點一起湊份子，自己和兄弟節點各出資1/3成立新節點，這樣的結果是3個節點剛好是2/3滿，達到B*樹的要求，皆大歡喜。
B+樹適合作為數據庫的基礎結構，完全是因為計算機的內存-機械硬盤兩層存儲結構。內存可以完成快速的隨機訪問（隨機訪問即給出任意一個地址，要求返回這個地址存儲的數據）但是容量較小。而硬盤的隨機訪問要經過機械動作（1磁頭移動 2盤片轉動），訪問效率比內存低幾個數量級，但是硬盤容量較大。典型的數據庫容量大大超過可用內存大小，這就決定了在B+樹中檢索一條數據很可能要借助幾次磁盤IO操作來完成。如下圖所示：通常向下讀取一個節點的動作可能會是一次磁盤IO操作，不過非葉節點通常會在初始階段載入內存以加快訪問速度。同時為提高在節點間橫向遍歷速度，真實數據庫中可能會將圖中藍色的CPU計算/內存讀取優化成二叉搜索樹（InnoDB中的page directory機制）。
真實數據庫中的B+樹應該是非常扁平的，可以通過向表中順序插入足夠數據的方式來驗證InnoDB中的B+樹到底有多扁平。我們通過如下圖的CREATE語句建立一個只有簡單字段的測試表，然后不斷添加數據來填充這個表。通過下圖的統計數據（來源見參考文獻1）可以分析出幾個直觀的結論，這幾個結論宏觀的展現了數據庫里B+樹的尺度。
1 每個葉子節點存儲了468行數據，每個非葉子節點存儲了大約1200個鍵值，這是一棵平衡的1200路搜索樹！
2 對於一個22.1G容量的表，也只需要高度為3的B+樹就能存儲了，這個容量大概能滿足很多應用的需要了。如果把高度增大到4，則B+樹的存儲容量立刻增大到25.9T之巨！
3 對於一個22.1G容量的表，B+樹的高度是3，如果要把非葉節點全部加載到內存也只需要少於18.8M的內存（如何得出的這個結論？因為對於高度為2的樹，1203個葉子節點也只需要18.8M空間，而22.1G從良表的高度是3，非葉節點1204個。同時我們假設葉子節點的尺寸是大於非葉節點的，因為葉子節點存儲了行數據而非葉節點只有鍵和少量數據。），只使用如此少的內存就可以保證只需要一次磁盤IO操作就檢索出所需的數據，效率是非常之高的。
