B+Tree（B Plus Tree，B 加树）是一种把有序数据分层存放的多叉树；页是数据库成块读写和缓存数据的存储单位。B+Tree 用较少的页访问缩小候选范围，并把真正的索引记录留在有序叶子页。
本文以 InnoDB 为边界：它是 MySQL 默认的事务型存储引擎，也就是实际负责保存行与索引的组件。本文只讲“数据怎样组织、一次查找怎样走”；至于索引列怎样组合、MySQL 最终是否选择它，分别放到后两篇。
想象一本没有目录、单词也没有排序的词典。找 database 时只能从第一页逐项检查。数据库的全表扫描也类似：候选范围接近整张表，最后只返回 3 行，也可能先看过几十万行。
现在把单词排序，并在目录写上“A–F 去第 20 页，G–M 去第 80 页”。一次选择就能排除大批候选。B+Tree 把这种“按范围分路”重复多层。
尽快排除不可能的数据，而不是让每次比较本身变得花哨。
内部页负责导航，叶子页保存有序记录，相邻叶子可继续扫描。
找到起点快，不代表返回几十万行也快；范围越宽，叶子扫描仍越多。
Page（页）是 InnoDB 读写和缓存数据的重要块单位；一页里能放很多索引记录。I/O（Input/Output，输入/输出）在这里指内存与存储设备之间的读写。
| 部件 | 里面放什么 | 解决什么问题 | 代价 |
|---|---|---|---|
| 内部页 | 分隔键与子页位置 | 一次页访问排除大量候选 | 键变化可能调整父层 |
| 多叉 | 一个页指向许多子页 | 比每个节点只有两个孩子的树更矮 | 索引键越宽，单页能放的分支越少 |
| 叶子页 | 真正的索引记录，按键有序 | 定位下界后可连续完成范围扫描 | 写入要维护顺序，可能发生页分裂 |
| 相邻叶子关系 | 前后页位置 | 跨页继续扫描，不必为每条结果重走根页 | 范围很大时仍要经过很多页 |
下面共有 12 条主键记录，分在 L0～L3 四个叶子页中；页编号从 0 开始。查询 id BETWEEN 29 AND 53 时，蓝线先找下界 29，绿线再沿有序叶子扫描，读到第一条超过上界的 61 后停止。
精确查询 id=48 只保留“逐层定位”部分，到叶子命中后即可返回。范围越宽，后半段经过的叶子页越多，所以 B+Tree 只能让起点定位更快，不能消除大结果集本身的成本。
Clustered Index（聚簇索引）是叶子记录直接包含完整业务行的索引；InnoDB 通常用主键组织它。Secondary Index（二级索引）是其他索引；叶子保存自己的索引列和主键值。
下面继续使用订单例子：tenant_id 表示商户编号，created_at 表示创建时间，amount 表示订单金额，note 表示订单备注。
| 索引 | 叶子记录 | 查询得到什么 |
|---|---|---|
| 主键对应的聚簇索引 | 主键 + 完整行 | 定位到叶子后已取得业务行 |
二级索引 (tenant_id,created_at) | 商户、时间 + 主键 id | 先得到 id；若还需其他列，再按 id 查聚簇索引 |
“从二级索引拿到主键，再去聚簇索引取得完整行”叫回表。它解释的是两棵树之间的数据路径，不等于一定发生两次磁盘读取：相关页可能已在缓冲池。
插入新记录时，InnoDB 先定位它所属的叶子页，再把它放进正确顺序。如果目标页空间不足，可能把记录拆到新页，这叫页分裂；删除后空间长期不足时，也可能发生合并或重组。
面试时可以这样答：“InnoDB 索引按页组织。内部页保存分隔键和子页位置，一个页能指向许多子页，所以树通常较矮；真正的索引记录在有序叶子页。点查逐层排除候选，范围查询只定位一次下界，随后沿叶子顺序扫描。聚簇索引叶子包含完整行，二级索引叶子包含索引列和主键，因此非覆盖查询可能回表。结构的代价是写入要维护顺序，页满时还可能分裂。”
下一步：进入《MySQL 索引设计：从一条 SQL 推导联合索引》，学习怎样把本篇的“有序键”用于真实查询。
什么时候用：按订单 id、用户 id 等唯一编号取一行。为什么适合：逐层排除候选后立即停止。注意：主键过宽会放大所有二级索引。
什么时候用：读取一段时间或编号区间。为什么适合：定位下界后沿叶子继续扫描。注意：范围过宽仍会读取很多页。
前置通配符、复杂全文相关性和大范围分析聚合通常不是普通 B+Tree 的强项，应评估全文索引、搜索系统或分析存储。