B树、B-树、B+树的定义和区分
B树
另一个名字就是二叉树索引。
1.每个节点的儿子节点都是两个，左边是比该节点小的，右边是比该节点大的，这两个索引的儿子节点同样是这种情况
2.所有的节点都是一个关键字
正常情况来说如下：
搜索的时候是从根节点开始搜索的。
比如搜索的是35，则直接命中。如果搜索“28“，那就是比35小，左边节点，“17”，“28”比“17”大，则右边节点，直到命中。
但是这种结构在进行节点删除等操作之后有可能出现以下情况：
这时候虽然也是索引，但是搜索已经是线性的了，并没有省多少劲儿。所以我们要尽量保证所有节点两边的平衡才是关键，也就是平衡算法，平衡算法是一种在B树中插入和删除节点的策略。
这时候就需要一个更加严谨，并且便于维护的索引结构。
B- 树
我们把所有的数据进行折半块查找，比如一共100条数据。在30和60的地方分一下，存放30和60的节点就是根节点。30和60就是该节点的关键字，100也就是分成了3份，这个节点自动创建三个指针。这三份就是根节点的子节点，（敲黑板划重点，子节点的个数=关键字个数+1，没有子节点就不说了）。下面继续分，拿其中一个子节点举例，把30分成3分，10和20当成关键字，下面继续是三个子节点。。。依次类推。
如下
在这里插入图片描述
而这种类型就是B-树，它的所有关键字都分布在节点中。不一定就是我写的两个。
特点如下：
- 定义任意非叶子结点最多只有M个儿子；且M>2；
- 根结点的儿子数为[2, M]；
- 除根结点以外的非叶子结点的儿子数为[M/2, M]；
- 每个结点存放至少M/2-1（取上整）和至多M-1个关键字（至少2个关键字）；
- 非叶子结点的关键字个数=指向儿子的指针个数-1；
- 非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]；
- 非叶子结点的指针：P[1], P[2], …, P[M]；其中P[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树；
- 所有叶子结点位于同一层；
ps：k是关键字，p是指针（就是图中的箭头)，只要有子节点的 都是非叶子节点。
B-树的搜索依然是从根节点开始，对关键字序列进行二分查找，如果找到则命中。如果没有，就按照相应的范围根据指针去相应的子节点。直到命中。
所以B-树的性能总是等价于二分查找（与M值无关），也就没有B树平衡的问题；
由于M/2的限制，在插入结点时，如果结点已满，需要将结点分裂为两个各占M/2的结点；删除结点时，需将两个不足M/2的兄弟结点合并；
有的同学就说了，那数据量大的时候不是依然会查询到最底层的叶子节点。 这就是B-树的缺点，但是相比B树来说已经高级了许多。
B+树
其实B+树与B-树相差并不大，由于B-树可能会最高级的根节点查询到最低级的叶子节点。那我们可以从叶子节点开始查啊，这就产生了B+树结构。
在每一个叶子节点做一个标记，把这些标记存起来，每次查的时候可以在查询根节点的时候从叶子节点也开始查，这样是不是就省了好多时间呢。
而这些标记就是链指针。把这些链指针存进一张表中,这个表就是稠密索引.
这些链指针在链表中是有序存储的，在搜索中能省大量的时间。
那这些链指针可不可以加在所有的节点中呢，答案是可以的，除了根节点，所有的节点都可以加上链指针。这就是B*树索引
B*树
在B+树基础上，为非叶子结点也增加链表指针，将结点的最低利用率从1/2提高到2/3；
后记：写这篇文章，其实是因为今天在一个大神开的java群中，有人问什么是回表查询，为什么会有回表查询。讨论的时候发现自己对索引一知半解，刚好下午有时间，就查资料写了这篇文章。
关于回表查询：
比如select a from T where b=?
如果a没有索引，那在查询的时候先得得到的是b对应这条数据所在的行数。拿着这个行数，再去表中查询这条数据，得到a字段。而拿着这个行数去得到a字段的动作，就是回表查询
我们如何避免回表查询呢，首先就是不要用 ” * “ 查询，因为这时候会默认查询的字段没有索引，必定进行回表查询。
在一张表中单独查询次数多的字段，尽量加上索引吧。但是也不能遇见一个查询字段就加索引，那样的效率会越来越低，得不偿失。毕竟任何事情都是有个度的
引用：http://www.javashuo.com/article/p-sptdtuym-k.html
https://blog.csdn.net/idber/article/details/8087521