面试回答
B树和B+树的区别主要有两点;
- B树中的内部节点和叶子节点均存放键和值，而B+树的内部节点只有键没有值，叶子结点存放所有的键和值。
- B+树的叶子结点是通过相连在一起的，方便顺序检索。
以下从核心结构、查询方式、性能特性等维度详细对比：
一、核心结构差异（最本质区别）
1. B 树的结构特点
- 节点存储数据 ：所有节点（包括非叶子节点和叶子节点）都存储键值 + 数据（或数据地址）。
- 节点键值分布：每个非叶子节点中的键值数量与子节点数量相关（通常子节点数 = 键值数 + 1），键值用于划分数据范围，指向对应的子节点。
- 无链表连接：叶子节点之间相互独立，没有指针关联，无法直接进行顺序遍历。
简单来说，B 树的每个节点既作为索引（指引查找方向），又存储实际数据，结构更 "紧凑" 但层级可能更深。
2. B + 树的结构特点
- 仅叶子节点存储数据 ：非叶子节点只存储键值 + 子节点指针 （不存实际数据），仅叶子节点存储键值 + 完整数据（或数据地址）。
- 叶子节点链表化 ：所有叶子节点通过双向链表连接，形成一个有序的数据集，支持高效的范围查询和顺序遍历。
- 键值冗余：非叶子节点的键值是叶子节点键值的 "副本"，用于索引定位，不影响数据唯一性。
B + 树的结构更像 "索引层 + 数据层" 的分离设计，非叶子节点仅负责 "导航"，数据集中在叶子节点。
二、查询方式与效率对比
1. 单值查询（如查找某个特定键值）
- B 树：可能在非叶子节点就找到数据（若目标键值存在于非叶子节点），查询结束。
- B + 树 ：无论键值在哪个层级的索引中，最终都必须遍历到叶子节点才能获取数据（非叶子节点不存数据）。
效率差异：B 树在理想情况下（非叶子节点命中）可能少一次 IO，但实际场景中差异极小，因为 B + 树非叶子节点可存储更多键值（见下文 "存储密度"），树高通常更低，整体 IO 次数反而更少。
2. 范围查询（如查找键值在 [a, b] 之间的数据）
- B 树：需要从根节点开始，逐个定位范围内的每个键值，可能需要多次回溯上层节点，效率低。
- B + 树 ：只需通过索引定位到范围的起始叶子节点，然后利用叶子节点的双向链表顺序遍历即可获取所有范围内的数据，效率极高（这是 B + 树最核心的优势）。
三、存储密度与树高对比
- B 树 ：非叶子节点存储键值 + 数据 + 指针，单个节点占用空间大，导致单节点能容纳的键值数量少，树的高度更高（相同数据量下）。
- B + 树：非叶子节点仅存储键值 + 指针（无数据），单个节点可容纳更多键值，树的高度更低（通常 2-4 层即可支撑千万级数据）。
影响：树高直接决定磁盘 IO 次数（每次访问节点对应一次 IO），B + 树更低的树高意味着更少的 IO 操作，更适合磁盘存储场景（数据库数据主要存于磁盘）。
四、维护成本对比
- B 树：插入 / 删除数据时，可能导致非叶子节点的结构调整（如分裂或合并），由于非叶子节点存储数据，调整时需要移动的数据更多，成本更高。
- B + 树：所有数据集中在叶子节点，非叶子节点仅存索引，插入 / 删除时主要调整叶子节点和少量索引节点，且叶子节点的链表结构便于维护顺序，整体维护成本更低。
五、适用场景对比
| 树类型 | 核心优势 | 主要劣势 | 适用场景 |
|---|---|---|---|
| B 树 | 单值查询可能更早命中 | 范围查询效率低，树高更高 | 适合频繁单值查询、数据量较小的场景（如部分内存数据库） |
| B + 树 | 范围查询高效，树高低（IO 少），维护成本低 | 单值查询必须到叶子节点 | 几乎所有磁盘存储的数据库索引（MySQL、Oracle 等）、文件系统索引 |
总结：核心区别表格
| 对比维度 | B 树 | B + 树 |
|---|---|---|
| 数据存储位置 | 所有节点（非叶子 + 叶子）均存数据 | 仅叶子节点存数据，非叶子节点只存索引 |
| 叶子节点连接 | 无链表，相互独立 | 双向链表连接，支持顺序遍历 |
| 范围查询效率 | 低（需多次回溯） | 高（链表顺序遍历） |
| 单节点键值数量 | 少（因存储数据，占用空间大） | 多（仅存索引，空间利用率高） |
| 树高（相同数据量） | 更高（IO 次数多） | 更低（IO 次数少） |
| 维护成本 | 高（非叶子节点存数据，调整成本大） | 低（数据集中在叶子节点） |
为什么数据库索引几乎都用 B + 树？【附赠】
因为数据库的核心场景是磁盘存储 + 频繁范围查询 （如BETWEEN、ORDER BY），B + 树的结构设计完美适配这两个需求：低树高减少磁盘 IO，叶子节点链表化加速范围查询，这是 B 树无法替代的。