可以跟其他几种索引结构比较
B+树vsHash(范围查询问题)
Hash在做等值查询的时候效率很高，时间复杂度为O(1)，但是在做范围查询的时候，O(n)，不适合做范围查询
B+树vs平衡二叉树(层数高问题)
如果使用平衡二叉树，每个节点的最大子节点个数为2，使用索引查询的时间复杂度就是O(log2 n)，这比B+树高很多，因此需要磁盘IO的次数也多了很多；而且使用平衡二叉树，需要频繁地维护左右子树的高度，控制每个子树的左右高度差不大于1，这是需要消耗性能去维护的，不过即便使用红黑树，也不能解决层数高的问题，红黑树归根结底也是二叉树
对于一个节点树为N的B+树，使用索引查询的时间复杂度是O(logd n)，d指的是节点允许的最大子节点的个数；在实际应用中，这个d的值是大于100的，这就意味着千万级别的数据量，B+树的高度仍然能维持在3~4层，一次数据的查询只需要3~4次磁盘IO即可
B+树vsB树(层数高问题)
B+树和B树的根本区别在于：B+树的数据只会存放在叶子节点中，B树的数据不仅存放在叶子节点中，还会存放在非叶子节点中，
所以B+树的非叶子节点的能够存储更多指向下一层节点的目录项记录，在相同的磁盘IO次数下，B+树能够查询更多数据
另外，B+树的叶子节点采用的是双链表结构，适合MySQL的范围查询，而B树只能通过中序遍历去进行范围查找
B+树vs跳表(层数高问题)
跳表的查询效率与它的层级有关，如果层级太低，那么通过每一层能够筛选掉的数据可能就少了（只有一层就O(n)了）
假如要存储两千万条数据，如果要维持O(log2 n)，理论上需要24层，如果每一层的数据都在不同的数据页，那么查询一条数据就需要经过24次磁盘IO
当然这是理想的情况，跳表是否往上建立索引，完全靠随机函数，这就导致了在一次数据查询的时可能经过不确定次数的磁盘IO
也正是这种高层级且不确定的磁盘导致查询数据时，性能受到较大的影响
