B+樹做索引而不用B-樹
- 那么Mysql如何衡量查詢效率呢？– 磁盤IO次數。
- 一般來說索引非常大，尤其是關系性數據庫這種數據量大的索引能達到億級別，所以為了減少內存的占用，索引也會被存儲在磁盤上。
B-樹/B+樹的特點就是每層節點數目非常多，層數很少，目的就是為了減少磁盤IO次數，但是B-樹的每個節點都有data域（指針），這無疑增大了節點大小，說白了增加了磁盤IO次數（磁盤IO一次讀出的數據量大小是固定的，單個數據變大，每次讀出的就少，IO次數增多，一次IO多耗時）， 而B+樹除了葉子節點其它節點並不存儲數據，節點小，磁盤IO次數就少。
B+樹的優點
優點一： B+樹的磁盤讀寫代價更低：B+樹只有葉節點存放數據，其余節點用來索引，而B-樹是每個索引節點都會有Data域。
優點二： B+樹帶有順序訪問指針：B+樹所有的Data域在葉子節點，並且所有葉子節點之間都有一個鏈指針。 這樣遍歷葉子節點就能獲得全部數據，這樣就能進行區間訪問啦。在數據庫中基於范圍的查詢是非常頻繁的，而B樹不支持這樣的遍歷操作。
優點三：B+樹的查詢效率更加穩定：由於非葉子節點並不是最終指向文件內容的節點，而只是葉子節點中關鍵字的索引。所以任何關鍵字的查找必須走一條從根結點到葉子結點的路。所有關鍵字查詢的路徑長度相同，導致每一個數據的查詢效率相當。而B樹因為非葉子節點也存在數據Data域，有可能在非葉子節點中就可獲取數據並返回。
B+數帶有順序訪問指針的優點
一般在數據庫系統或文件系統中使用的B+Tree結構都在經典B+Tree的基礎上進行了優化，增加了順序訪問指針。在B+Tree的每個葉子節點增加一個指向相鄰葉子節點的指針，就形成了帶有順序訪問指針的B+Tree。做這個優化的目的是為了提高區間訪問的性能，例如如果要查詢key為從15到60的所有數據記錄，當找到15后，只需順着節點和指針順序遍歷就可以一次性訪問到所有數據節點，極大提到了區間查詢效率。
B樹的優點
對於在內部節點的數據，可直接得到，不必根據葉子節點來定位
B+樹做索引而不用紅黑樹
AVL 樹（平衡二叉樹）和紅黑樹（二叉查找樹）基本都是存儲在內存中才會使用的數據結構。
在大規模數據存儲的時候，紅黑樹往往出現由於樹的深度過大而造成磁盤IO讀寫過於頻繁，進而導致效率低下的情況。
為什么會出現這樣的情況？
磁盤讀寫IO跟樹的深度有關系，磁盤一次IO讀取的數據多能做的事也將更多。（我們知道要獲取磁盤上數據，必須先通過磁盤移動臂移動到數據所在的柱面，然后找到指定盤面，接着旋轉盤面找到數據所在的磁道，最后對數據進行讀寫。磁盤IO代價主要花費在查找所需的柱面上，樹的深度過大會造成磁盤IO頻繁讀寫。）根據磁盤查找存取的次數往往由樹的高度所決定，所以，只要我們通過某種較好的樹結構減少樹的結構盡量減少樹的高度，B樹可以有多個子女，從幾十到上千，但是降低樹的高度。
數據庫設計者選擇
數據庫系統的設計者巧妙利用了磁盤預讀原理，將一個節點的大小設為等於一個頁，這樣每個節點只需要一次I/O就可以完全載入。為了達到這個目的，在實際實現B-Tree還需要使用如下技巧：每次新建節點時，直接申請一個頁的空間，這樣就保證一個節點物理上也存儲在一個頁里，加之計算機存儲分配都是按頁對齊的，就實現了一個node只需一次I/O。
B-Tree有許多變種，其中最常見的是B+Tree，例如MySQL就普遍使用B+Tree實現其索引結構。
磁盤和內存選擇B樹和紅黑樹的原因
B樹優點
- B+樹的高度要比紅黑樹小，有效減少了磁盤的隨機訪問
- B+樹的數據節點相互臨近，能夠發揮磁盤順序讀取的優勢（緩存）
- B+樹的數據全部存於葉子結點，而其他節點產生的浪費在經濟負擔上能夠接收，紅黑樹存儲浪費小
紅黑樹優點
- 紅黑樹常用於存儲內存中的有序數據，增刪很快，B+樹常用於文件系統和數據庫索引，因為B樹的子節點大於紅黑樹，紅黑樹只能有2個子節點，B樹子節點大於2，子節點樹多這一特點保證了存儲相同大小的數據，樹的高度更小，數據局部更加緊湊，而硬盤讀取有局部加載的優化（緊湊的好處：把要讀取數據和周圍的數據一起預先讀取），B樹相鄰數據物理上更加緊湊這一特點符合硬盤進行io優化的特性。
- B+樹在B樹基礎上進一步將數據只存在葉子節點，非葉子節點不存值只存儲值的指向，這使得單個節點能有更多子節點，除此之外將所有葉子節點（值存在葉子節點）放入鏈表中，使得數據更加緊湊有序，只需要鏈表（葉子節點）的一次遍歷就能獲取所有樹上的值。
B+樹這些特性適合用於數據庫的索引，mysql底層數據結構就是B+樹。
B樹更適用於磁盤讀取，紅黑樹更適用於內存讀取