InnoDB一棵B+树可以存放多少行数据？这个问题的简单回答是：约2千万。这个数据是怎么得出来的了?，要弄明白这个问题，我们需要先从InnoDB索引数据结构、数据组织方式说起。
计算机在存储数据的时候，最小存储单元是扇区，，一个扇区的大小是512字节，而文件系统（例如XFS/EXT4）他的最小单元是块，一个块的大小是4k，而对于我们的InnoDB存储引擎也有自己的最小储存单元——页（Page），一个页的大小是16K。
什么是最小存储单元：
通俗理解,就好比我们撘乘公交车一样,并不会因为只有你一个人坐车,公交车就会变小成只容纳你一个人空间,不占位置.你一个人也好,一车人也好,他空间都是这么大,当然人超过一车,就需要增多一辆车...
所以在文件系统中哪怕一个文件大小只有1个字节，他也需要占磁盘上4KB的空间。
innodb的所有数据文件（后缀为ibd的文件），他的大小始终都是16k的整数倍。(这就和我们的分页原理一样,只要多一个数据,就需要多一页)
磁盘扇区、文件系统、InnoDB存储引擎都有各自的最小存储单元。
当然,在MySQL中,16k只是InnoDB页的默认大小，并不是说一定是16k,我们可以通过参数自定义设置大小：(注意:MySQL本身没有提供修改页大小的参数，但是我们可以通过修改源码重新编译mysql来实现.)
数据表中的数据都是存储在页中的，所以一个页中能存储多少行数据呢？假设一行数据的大小是1k，那么一个页可以存放16行这样的数据。
如果数据库只按这样的方式存储，那么如何查找数据就成为一个问题，因为我们不知道要查找的数据存在哪个页中，也不可能把所有的页遍历一遍，那样太慢了。所以人们想了一个办法，用B+树的方式组织这些数据。如图所示：
我们先将数据记录按主键进行排序，分别存放在不同的页中（假设一个页面就三个数据），除了存放数据的页以外，还有存放键值+指针的页，如图中page number=3的页，该页存放键值和指向数据页的指针，这样的页由N个键值+指针组成。当然它也是排好序的。这样的数据组织形式，我们称为索引组织表。现在来看下，要查找一条数据，怎么查？
如select * from user where id=5;
这里id是主键,我们通过这棵B+树来查找，首先找到根页，你怎么知道user表的根页在哪呢？其实每张表的根页位置在表空间文件中是固定的，即page number=3的页（这点我们下文还会进一步证明），找到根页后通过二分查找法，定位到id=5的数据应该在指针P5指向的页中，那么进一步去page number=5的页中查找，同样通过二分查询法即可找到id=5的记录：
现在我们清楚了InnoDB中主键索引B+树是如何组织数据、查询数据的，我们总结一下：
1、InnoDB存储引擎的最小存储单元是页，页可以用于存放数据也可以用于存放键值+指针，在B+树中叶子节点存放数据，非叶子节点存放键值+指针。
2、索引组织表通过非叶子节点的二分查找法以及指针确定数据在哪个页中，进而在去数据页中查找到需要的数据；
那么回到我们最初的问题，通常一棵B+树可以存放多少行数据？
这里我们先假设B+树高为2，即存在一个根节点和若干个叶子节点，那么这棵B+树的存放总记录数为：根节点指针数*单个叶子节点记录行数。
上文我们已经说明单个叶子节点（页）中的记录数=16K/1K=16。（这里假设一行记录的数据大小为1k，实际上现在很多互联网业务数据记录大小通常就是1K左右）。
那么现在我们需要计算出非叶子节点能存放多少指针，其实这也很好算，我们假设主键ID为bigint类型，长度为8字节，而指针大小在InnoDB源码中设置为6字节，这样一共14字节，我们一个页中能存放多少这样的单元，其实就代表有多少指针，即16384/14=1170。那么可以算出一棵高度为2的B+树，能存放1170*16=18720条这样的数据记录。
根据同样的原理我们可以算出一个高度为3的B+树可以存放：1170*1170*16=21902400条这样的记录。所以在InnoDB中B+树高度一般为1-3层，这就能满足千万级的数据存储。在查找数据时，一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次IO操作即可查到数据。
在InnoDB的表空间文件中，约定page number为3的代表主键索引的根页，而在根页偏移量为64的地方存放了该B+树的page level。如果page level为1，树高为2，page level为2，则树高为3。即B+树的高度=page level+1；具体内容可以参考《InnoDB存储引擎》,这边由于篇幅原因不在累赘.
最后来一个经典面试题
为什么MySQL的索引要使用B+树而不是其它树形结构?比如B树？
简单而言:因为B树不管叶子节点还是非叶子节点都会保存数据，这样导致在非叶子节点中能保存的指针数量变少。而指针少的情况下要保存大量数据，只能增加树的高度，这样就导致IO操作变多，查询性能降低。
B+树是在在叶子节点存放数据，查找速度快除了树的层数不高外，叶子节点还维持了一个链表，查询时相当于顺序查找这个链表。更重要的是，查询时对磁盘的IO操作不仅仅查询了这个数据所在块的信息，也将这个块附近的块也加进来了，这样下次查询时，就不用再次IO，变相加快了查询速度。
扩展点:
B树就是我们最常说的二叉搜索树的一个进化版本：
1.所有非叶子结点至多拥有两个儿子（Left和Right）；
2.所有结点存储一个关键字；
3.非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树
结构图:
