进入B+树
前面的B树可以像二叉搜索树一样快速的查找到一个元素，这个查找过程就叫做随机查找，但当要按照顺序去遍历所有元素时，就需要采用中序遍历的方式。
可以看到，需要在节点间来回移动，效率较低
由B树变形来的B+树解决了这个问题
和B树结构很像，为了能够更好的理解B+树的结构，先暂时忽略掉所有非叶节点，B+树的叶节点层包含了所有元素，同时这些元素是从小到大排列的，节点之间用指针连接成一个链表的结构，这样的话就可以很轻松的通过第一个节点前的头指针（3前），来快速的对所有元素进行顺序遍历。遍历链表肯定方便
B+树通常被用做数据库中的索引结构，每个元素都包含指向对应记录存储地址的指针，例如查找到23时可以通过可以通过他的指针索引到他对应的记录
题外话，可以给同一个数据表，构建多个不同关键字的索引
对B+树的操作
性质
- m个分支的节点有m个元素
- 每个元素对应子节点最大值
遍历
因为叶节点包含了所有的关键字，如果要顺序查找所有关键字的记录，那就像遍历链表一样非常方便
有人可能有疑问，如果要随机查找某一个关键字，那不也要挨个遍历去找吗，那么B+树的非叶节点就是解决这个问题的，可以帮助我们快速的定位到叶节点上的某一个关键字，相当于给叶子节点层建立了索引，为的就是实现以log级别的复杂度去查找叶节点上的某一个关键字记录
这里和B树最大的不同是B+树的元素个数和分支数是相同的，一个元素对应一个子树。
非叶节点上的每个元素都是他子节点的最大值，这样非叶节点的部分就可以看作是对索引的索引。
理解
首先叶节点层是对记录的索引，中间的这一层非叶节点是对叶节点层关键字的索引，最上面是对下一层这些索引项的索引，所以整个B+树其实是一套多级索引结构，目的就是为了加速查询的速度。
只需要通过指向根节点的指针root，就可以以log级别的复杂度，查找到指定关键字对应的记录
与B树的对比
因为B+树是对B树的一种改进，所以只需要知道B+树相对于B树来说不同点在哪，其他的都是继承了B树的特性。
不同一：
B树要每个元素都作为关键字，都包含一个指向记录的指针
可以直观的看到B+树的叶子节点包含所有的关键字和对应记录的指针，非叶节点只是用来索引到下一级，不包含指向记录的指针没办法获得到相应的记录
不同二：
B+树中m个分支有m个关键字，B树中关键字个数等于分支数减一
不同三：
B+树有两个头指针（兼顾顺序查找和随机查找）：head和root，使得他可以很方便的进行顺序查找和随机查找（先通过root指针定位到根节点，然后逐层向下查找），同时B+树还可以结合顺序和随机查找，很方便的进行范围查找。
B树支持随机查找，但要想顺序遍历查找和范围查找只能中序遍历，效率很低
其他特性都是一样的：所有叶节点都在同一层；m阶B+树最多有m个分支，对于非根节点最少要有一半个分支，根节点最少要有两个分支，这个都是和B树一样的
查找
可以直接在叶子节点层进行顺序查找，也可以像类似B树一样进行随机查找，也可以结合两者，查找某个范围内的关键字。
- 顺序查找：只需要从head头指针所指的第一个节点开始顺序访问
- 随机查找：和B树很像但又有点不同
此时找到了18，但此时遇到的18只是用来做索引的，本身并没有指向记录的指针，所以不能通过他来获得记录，还要继续走18的子树，也就是走到叶节点层
通过18这个关键字索引，所以B+树的查找一定落在叶子节点层，遇到非叶节点也要继续向下查找
- 范围查找：结合前面两个来查找某个范围的关键字记录
比如找10到50的关键字记录，可以先找到范围起点的位置（也就是10）
比3大比14小，同时落在叶子节点层，意味着10不存在，但没关系，意味着14就是范围的第一个关键字，接下来从14开始，就只需要按照顺序遍历即可
查找
未更新
删除
未学习
