📘 前言
在数据库的世界里，索引就如同书籍的目录。
没有目录，查找特定内容可能需要翻遍整本书；而有了目录，我们就能快速定位。
在 MySQL 中，这个“目录”的核心实现就是 —— B+树（B+ Tree）。
它是 MySQL 高性能查询的根基。
一、为什么需要索引？—— 没有索引的痛点
假设一张没有索引的 users 表存放了 1000 万条用户记录，当你执行：
SELECT * FROM users WHERE username = 'john_doe';数据库只能从第一条记录开始，逐行扫描整张表，直到找到匹配项。 这就是 全表扫描（Full Table Scan），时间复杂度是 O(N)，在大数据量下极其低效。
而索引能将查找复杂度从 O(N) 降低到 O(logN) —— 性能提升可能达到上百倍。
二、从二叉树到 B+树：为什么是它？
你可能会问：为什么不用更简单的二叉树或 AVL 树？
| 数据结构 | 问题 |
|---|---|
| 二叉树 | 顺序插入时退化成链表，查询效率回到 O(N)。 |
| 平衡二叉树（AVL） | 虽然平衡，但每个节点只有两个子节点，树高过大，磁盘 I/O 次数太多。 |
数据库存储在磁盘上，每次节点访问都是一次磁盘 I/O。 B+树的设计目标：最小化磁盘 I/O 次数。
于是，B+树 —— 一种 多路平衡查找树（Multi-way Balanced Search Tree） 登场。
三、B+树的核心结构剖析
B+树由两类节点组成：
1️⃣ 非叶子节点（索引页）
- 不存储实际数据，只存储
