一、数据结构
B-tree:
1) 平衡树，子树高度一致，M阶即M叉树
2) 叶节点间相互独立
B+TREE：
1) 继承B-TREE
2）n 棵子树的结点中含有n 个key；
3）所有的叶子结点中包含了全部关键码的信息，及指向含有这些关键码记录的指针，且叶子结点本身依关键码的大小自小而大的顺序链接。
4）所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键码。
那么更深层次的区别在哪里：
1. 数据（point/record) 在哪里？ 如果按b-tree组织，数据有可能在 叶节点 中，有可能在 非叶节点中，对于B+tree，所有数据都在leaf中。
2. 非leaf节点的存储效能
2.1 B-TREE中，不管 non-leaf-NODE(中间层的节点）中存储的是 value的point，还是value的真实record，都需要耗费空间（内存、硬盘）存储这部分point/record
2.2 B+TREE中，non-leaf-node 只存储index,（本身自己还会在leaf中出现，自身的value在leaf中能找到）
2.3 有何意义？
=> B+TREE每个中间层节点能表达的索引范围更大，系统不管读一次内存/硬盘（例如4K），能得到的索引更多，对于读取多个值的场景，索引查找过程中，内存分页/磁盘扇区复用的概率比B-TREE更高。对于写，B+TREE需要多写几层，也不好说就比B-TREE写的快。
=> seek的过程，B-TREE看运气，可能从ROOT跑到一半就找到值了，B+TREE所有都一样，固定的都需要从ROOT跑到LEAF。
3. 范围查询， 可能B+TREE更优秀
例如 col between 100 and 500, 如果是B-TREE, 查找需要2次，100所在点, 500所在的点，然后中序（先序？后序？）遍历这两个点中间的所有NODE,才能得到所有数据（因为数据在NODE内）。如果是B+TREE,只需要找一次，先找到100所在点，然后顺着 LEAF-LinkedNodeList一直往下走，碰到500停下来即可。
二、Leaf-Node的存储方式
1. cluster index
key后面带着的就是record, leaf-node就是data-node, 还有各种说法，例如什么index中key的顺序与data的顺序一致，都是一个意思。
zhangsan: zhangsan, male, 18, class 3, 32012121918231999
wanger: wanger, male, 18, class 3, 32321912831911123
2. non-cluster index
key后面带着的是*recode,或者说地址，或者说point，一个意思。
zhangsan: 0x3211FF12, 或者 4:page707,21, 最后 -> zhangsan, male, 18, class 3, 32012121918231999
wanger: 0x3241D5EB, 或者 17:page707, 22, 最后-> wanger, male, 18, class 3, 32321912831911123
那么区别在哪里？
1. non-cluster scan/seek到了leaf-node, 还需要再 get一次相应 address。而cluste-index不需要
2. non-cluster 中，兄弟（zhangsan,wanger)的index在一起，但实际record 往往不在一起，是否会产生大量缺页中断？ 而cluster就可以充分的利用os的文件系统的预读特性（顺序读写, not随机读写)，在大量读的场景，效率更高。
3. 一个表，只能有一个cluster-index，因为record只存一份（一致性、代价的考虑么？），其他都是non-cluster-index，non-cluster-index的value指向 cluster-index的key。
4. cluster-index对写的要求高， 写速度依赖写顺序、页分裂、树调整、空鼓等。
5. 多个表，共有一个key做外键，那么可以将此key做成cluster-index-space, 让表关联操作的消耗更低。(oracle中就有)
例如, student, student-score. 可以一个block中存储两个表的数据，
BLOCK 101: 两个表的数据都有
0x10000000 TABLE_student: zhangsan, male, 19, ..................
0x10000010 TABLE_score: zhangsan, english, 90
BLOCK 102:
0x10001000 TABLE_student: wanger, male, 20 , ...................
0x10001010 TABLE_score: wanger, english, 88
也可以做两个block之间的关联，如
BLOCK 201: 只有一个表
0x20000000 TABLE_student: zhangsan, male, 19, ..................
0x20001000 TABLE_student: wanger, male, 20 , ...................
BLOCK 202: 只有一个表
0x10000010 TABLE_score: zhangsan, english, 90
0x10001010 TABLE_score: wanger, english, 88
当然，这个例子只是1:1关系的简单结构, n:n的关系更复杂一些，说到底，就是因为cluster-index保证了大家都是有序的，所以join操作的时候快一些。
三、Update 、 Delete对索引的影响