这里需要对索引的相关结构有一个基础的认识，比如线性索引，树形索引（二叉树，平衡二叉树，红黑树等），这个up主我觉得讲的还是比较清楚的，可以看下。
终于把B树搞明白了(一)_B树的引入，为什么会有B树_哔哩哔哩_bilibili
主要是三个方面：
- IO次数减少；
- 查询性能的高效（等值查询和范围查询的相对高效）；
- 和其他几种索引对应的缺点
1，B+树的非叶子节点没有保存数据，仅仅保存了对应的索引值和指向子节点的指针，这使得一个datapage能够保存更多的索引键值,大幅度减少了了IO次数的操作；
2，B+树是一种自平衡树，所有的数据都在叶子节点上存储，B+树的平衡性保证了查询路径长度一致，在等值查询上，实现查询的O（logn）时间复杂度。B+树又是一个多叉树，树的高度不会随着数据的大量增长快速增加，大量数据的情况下，也是具有较高的查询性能；在范围查询上，B+树的叶子节点的数据可以使用双向链表对其进行遍历，避开了父节点回溯，同样实现了较高的查询效率，除此之外，叶子节点是有序存储，天然适配排序操作；
3，对于其他的索引，比如，哈希无法支持有效的范围查询；二叉树的深度过大，对大数据量不友好；B树的每一个节点都存储数据，导致IO开销较大；跳表，内存中效率接近B+树，但磁盘存储时层数较高，且节点分散导致无法利用磁盘预读。
什么是最左前缀匹配
1，最左索引匹配指的在使用联合索引时，查询条件需要联合索引从最左列开始依次匹配，从第一列开始，然后是第二列，第三列，以此类推，只有在仅最左列，连续前缀，或者完全顺序覆盖的情况下有效。
2，最左前缀匹配原则是因为Mysql索引基于B+树结构，联合索引的存储顺序严格遵循定义的顺序，B+树查找时，需要从最左侧逐层定位，如果跳过开始列（a），则会导致索引失效全表扫描，举个例子，查找国内的某个人，需要确定省份---->城市----->姓名，这样子可以实现快速定位，如果跳过省份，则需要全表扫描才能找到。
3，在这个过程中需要注意范围查询（> 、<、%abc ）会打断索引匹配，包含等值查询(>=、<=）或者做前缀匹配(abc%)则不会.
3层B+树大约是多少条数据
对于B+树的存储结构做出下面的假设：
假设
datapage: 16kB
data + key : 1KB
单页数据数：16KB/1KB = 16
key : 8 B
next : 6 B
单页索引指针：16*1024/14~~1170
总的数据总数： 1170 * 1170 * 16 ~~ 21000000+