在 InnoDB 存储引擎 中，数据页（Page）是数据存储的基本单位，而 B+ 树是 InnoDB 用于索引组织的数据结构。
两者的结合，使得 MySQL 能够高效地管理和检索数据。
1. InnoDB 的数据页
1.1 什么是数据页？
数据页（Page）是 InnoDB 存储数据的基本单位，每个数据页大小通常为 16KB（可通过
innodb_page_size调整）。MySQL 读写数据的最小单位是 16KB，即：
一次磁盘读取最少 16KB（即使查询一行）。
数据修改后，最小的刷盘单位也是 16KB。
1.2 数据页的结构
每个 数据页（16KB） 包含 多个数据行，存储格式如下：
+--------------------+
| 页头（Page Header）| 组织管理信息
+--------------------+
| 记录目录 | 用于快速定位数据
+--------------------+
| 用户数据 | 实际存储的行记录
+--------------------+
| 页目录 | 记录行数据的偏移量
+--------------------+
| 页尾（Page Trailer）| 用于校验完整性
+--------------------+✅ 每个数据页存储多个行数据，但如果一行数据 过大，可能会溢出到其他页（LOB 大对象存储）。
2. B+ 树与数据页的关系
B+ 树（B+ Tree）是 InnoDB 组织索引的方式，索引节点和数据页直接相关：
B+ 树的每个节点对应一个数据页。
B+ 树的非叶子节点存储索引（主键 + 指向子节点的指针）。
B+ 树的叶子节点存储实际数据，叶子节点之间通过双向链表连接。
2.1 聚簇索引（Clustered Index）
在 InnoDB 中，表的数据是按照主键顺序存储的，因此 数据页的组织方式 直接由 B+ 树的结构 决定。
B+ 树结构
[100 200 300] ← 非叶子节点（索引）
/ | \
[1-99] [100-199] [200-299] ← 叶子节点（数据页）非叶子节点存储主键和指向子节点的指针。
叶子节点存储数据页，每个页 16KB，包含多行数据。
✅ 查找数据时，从根节点开始，逐层遍历，最终到达叶子节点的数据页。
2.2 B+ 树的层级与数据页
假设数据页大小 16KB，每行数据 1KB
一个数据页 ≈ 16 行数据。
一个非叶子节点存储 100 个索引项。
总数据量 100 万行，B+ 树的层级如下：
第 1 层（根节点）：存储 100 个索引项。
第 2 层（中间节点）：存储 10,000 个索引项。
第 3 层（叶子节点）：实际存储数据页，共 100,000 页。
✅ 一般 3~4 层的 B+ 树就能索引百万级数据，查询性能高效。
3. InnoDB 如何利用 B+ 树与数据页？
3.1 插入数据
找到合适的叶子节点（数据页）：
通过 B+ 树索引 定位 主键范围对应的数据页。
插入数据
如果 当前数据页有空位，直接插入。
如果 数据页满了，则 触发页分裂：
创建新数据页，将部分数据迁移，更新 B+ 树索引。
✅ 页分裂会增加 B+ 树的高度，导致查询效率下降，影响写入性能。
3.2 查询数据
从 B+ 树根节点开始，按主键范围遍历索引。
找到目标叶子节点，访问数据页，读取数据行。
如果是范围查询（BETWEEN、ORDER BY），则利用 叶子节点的双向链表 顺序扫描。
✅ B+ 树保证了查询只需访问很少的磁盘页，提高查询效率。
3.3 删除数据
找到数据页，删除行数据。
如果数据页剩余数据过少，可能触发页合并：
将数据合并到相邻页，减少磁盘空间浪费。
✅ 页合并可以减少 B+ 树的高度，提高查询性能。
4. 总结
