数据存储结构
- B 树：每个节点既存储键值，也存储数据记录的指针。这种存储方式使得每个节点存储的键值数量相对较少，因为还要为指针留出空间。当数据量较大时，树的高度会相对较高，导致查询时需要更多的磁盘 I/O 操作来遍历树的节点。
- B + 树：所有数据记录都存储在叶子节点中，非叶子节点只存储键值和指向子节点的指针。这使得非叶子节点能够存储更多的键值，从而减少树的高度，降低查询时的磁盘 I/O 次数。
范围查询能力
- B 树：进行范围查询时，需要在每个节点中判断键值是否在范围内，并且可能需要在多个子树中进行查找，操作相对复杂，效率较低。
- B + 树：叶子节点之间通过双向链表相连，这使得范围查询变得非常高效。只需要找到范围的起始键值，然后沿着链表依次读取后续的节点，直到达到范围的结束键值。
磁盘 I/O 性能
- B 树：由于节点存储的信息较多，包括数据记录的指针，每个节点的大小相对较大。在读取节点时，可能需要读取更多的数据块，增加了磁盘 I/O 的开销。
- B + 树：非叶子节点只存储键值和指针，节点大小相对较小，在相同的磁盘块大小下，可以存储更多的节点。这意味着在读取节点时，能够更有效地利用磁盘 I/O，减少磁盘 I/O 的次数。
插入和删除操作
- B 树：插入和删除操作可能会导致节点的分裂和合并，这可能会影响到多个节点，甚至可能导致树的高度发生变化。在高并发的数据库环境下，这种操作可能会带来较大的锁竞争和性能开销。
- B + 树：插入和删除操作主要发生在叶子节点，非叶子节点的键值只是起到索引的作用。当叶子节点进行插入或删除操作时，只需要在叶子节点内部进行调整，不会影响到非叶子节点，除非叶子节点发生了分裂或合并。
数据遍历方式
- B 树：遍历整棵树需要递归地遍历每个节点和子树，操作相对复杂，效率较低。
- B + 树：通过叶子节点的链表，可以方便地进行顺序遍历，能够快速地获取所有的数据记录，适用于需要全表扫描或按顺序访问数据的场景。