B+树相对于B树的主要优点是，它们允许您通过删除指向数据的指针来打包更多指向其他节点的指针，从而增加扇出并潜在地降低树的深度。

缺点是，当您可能在内部节点中找到匹配时，无法提前退出。但由于这两种数据结构都有巨大的扇出，绝大多数匹配都将在叶节点上，这使得B+树的平均效率更高。

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。

B+树的一个可能的用途是它适用于各种情况 哪里的树长得太大，以至于它不适合可用 内存。因此，您通常期望执行多个I/O。 B+树确实经常被使用，即使它实际上适合 内存，然后你的缓存管理器可能会永久保存它。但 这是一个特殊的情况，而不是一般的情况，缓存策略是 与B+树的维护分开。

另外，在B+树中，叶子页以 一个链表(或双链表)，用于优化遍历 (用于范围搜索、排序等)。所以指针的数量是 所使用的特定算法的函数。

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.

由于终端节点形成了一个链表，B+树更容易进行全面扫描，而且性能更高，可以查看树索引的每一块数据。要使用B-Tree进行完整扫描，您需要进行完整的树遍历以查找所有数据。

另一方面，当您执行seek(按键查找特定数据段)时，B-Trees可以更快，特别是当树驻留在RAM或其他非块存储中时。由于可以提升树中常用的节点，因此获取数据所需的比较较少。

下图有助于显示B+树和B树之间的区别。

B+树的优点:

Because B+ trees don't have data associated with interior nodes, more keys can fit on a page of memory. Therefore, it will require fewer cache misses in order to access data that is on a leaf node. The leaf nodes of B+ trees are linked, so doing a full scan of all objects in a tree requires just one linear pass through all the leaf nodes. A B tree, on the other hand, would require a traversal of every level in the tree. This full-tree traversal will likely involve more cache misses than the linear traversal of B+ leaves.

B树的优点:

因为B树包含每个键的数据，所以经常访问的节点可以位于更靠近根的位置，因此可以更快地访问。