减少磁盘 I/O 次数，提高查询效率

• 节点存储容量大：B + 树的非叶子节点只存储索引信息，不存储实际数据（数据都存储在叶子节点），所以相同空间大小的节点，B + 树可以存储更多的索引关键字。
• 范围查询高效：B + 树的叶子节点之间通过指针相互连接，形成了一个有序的链表。在进行范围查询时，只需要找到范围的起始位置，然后沿着叶子节点的链表顺序遍历即可，无需像 B 树那样在树的不同层级中反复查找，提高了范围查询的效率。

数据插入和删除操作效率较高：

• 节点分裂和合并代价小：B + 树在插入和删除数据时，对树的结构调整相对较少。当插入数据导致节点关键字数量超过上限时，B + 树只需将节点分裂成两个，并将中间关键字提升到父节点；删除数据导致节点关键字数量不足时，可以与相邻节点合并。这种操作主要集中在叶子节点层，对树的上层结构影响较小，维护树的平衡相对容易，操作的代价也相对较小。
• 顺序插入性能好：数据库中的数据通常是批量插入的，B + 树的叶子节点之间的链表结构使得顺序插入数据非常高效。新插入的数据可以直接添加到叶子节点的链表末尾，不需要频繁地调整树的结构，大大提高了数据插入的速度。

数据存储和缓存利用率高：

• 数据存储紧凑：B + 树将所有的数据存储在叶子节点，并且叶子节点之间通过链表连接，使得数据在磁盘上的存储更加紧凑。这样在读取数据时，可以一次性读取更多连续的数据块，充分利用磁盘的预读功能，提高数据的读取速度。
• 缓存命中率高：数据库系统会使用缓存来存储经常访问的数据，以减少对磁盘的访问。B + 树的结构使得相邻的数据在磁盘上的物理位置也相邻，当访问一个叶子节点的数据时，与其相邻的叶子节点数据也很可能被一起加载到缓存中，提高了缓存的命中率，进一步加快了后续的查询速度。

支持高效的排序和遍历操作：

• 排序方便：B + 树的叶子节点本身就是按照关键字的大小顺序排列的，所以对于需要对数据进行排序的操作，无需额外的排序算法，直接遍历叶子节点链表即可得到有序的数据。
• 全表遍历高效：如果需要对整个数据库表进行遍历操作，B + 树只需从根节点找到最小的叶子节点，然后沿着叶子节点的链表依次访问即可，操作简单高效。