B+树尤其适用于基于块的存储(例如:硬盘)。考虑到这一点，你会得到几个优势，例如(从我的脑海中):

high fanout / low depth: that means you have to get less blocks to get to the data. with data intermingled with the pointers, each read gets less pointers, so you need more seeks to get to the data simple and consistent block storage: an inner node has N pointers, nothing else, a leaf node has data, nothing else. that makes it easy to parse, debug and even reconstruct. high key density means the top nodes are almost certainly on cache, in many cases all inner nodes get quickly cached, so only the data access has to go to disk.

Adegoke A, Amit

我想你们忽略的一个关键点是数据和指针之间的区别，就像本节中解释的那样。

指针:指向其他节点的指针。

数据:—在数据库索引的上下文中，数据只是另一个指向其他地方的真实数据(行)的指针。

因此在B树的情况下，每个节点都有三个信息键，指向与键相关的数据的指针和指向子节点的指针。

在B+树中，内部节点保存指向子节点的键和指针，而叶节点保存指向相关数据的键和指针。这允许为给定大小的节点提供更多的键数。节点大小主要由块大小决定。

每个节点拥有更多键的好处已经在上面解释过了，这样可以节省我的输入工作量。

定义“快得多”。渐近地它们是相同的。不同之处在于它们如何使用二级存储。维基百科上关于B-树和B+树的文章看起来相当可信。

举个例子——你有一个每一行都有大量数据的表。这意味着对象的每个实例都是大的。

如果在这里使用B树，那么大部分时间都花在扫描带有数据的页面上——这是没有用的。在数据库中，这就是使用B+树来避免扫描对象数据的原因。

B+树将键和数据分开。

但如果你的数据量比较小，你可以用键来存储它们就像B树那样。

数据库系统概念示例

B+树

相应的b -树

在B+树中，由于只有指针存储在内部节点中，因此它们的大小明显小于B树的内部节点(存储数据+键)。 因此，B+树的索引可以在一次磁盘读取中从外部存储中提取，处理后找到目标的位置。如果它是一个B树，那么每个决策过程都需要读取磁盘。希望我把我的观点讲清楚了!：）