最小度數為d，最大度數為2d-1，高度為h(h=1,2,…)的B-tree，在最壞情況下，其第一層有1個結點，第二層有2個結點，第三層有2d個結點，第四層有2d2個結點……，第h層有2dh-2個結點，如圖所示：

    此時B-tree結點內資料實體的總數為(h≥2)：

Nmin=1+(2+2d+2d2+…+2dh-2)×(d-1)  = 2dh-2-1

    因此，在最壞情況下，h=㏒d((Nmin+1)/2)+2。

    在最好的情況下，其第一層有1個結點，第二層有2d-1個結點，第三層有(2d-1)2個結點……，第h層有(2d-1)h-1個結點，如圖所示：

    此時B-tree結點內資料實體的總數為(h≥1)：

Nmax=(1+(2d-1)1+(2d-1)2+…++(2d-1)h-1) ×(2d-2)=(2d-1)h-1

    因此，在最好情況下，h=㏒2d-1(Nmax+1)。

    即樹的高度h有：㏒2d-1(N+1) ≤ h ≤ ㏒d((N+1)/2)+2。可以看出，在最好和最壞情況下，樹的高度都是以O(h)=O(㏒dN)來增長的。使用B-tree進行查詢的時間複雜度是O(㏒dN)，在資料量很大時，可以將d的值設大一點，這樣樹的高度就會很小，大大減少了I/O操作，提高了查詢速度。

    單論單個數據實體的查詢效率來說，Hash索引的查詢效率遠比B-tree索引高。因為Hash索引大部分情況下只要一次I/O就行了，而B-tree索引需要O(h)次I/O。但任何事物都是有兩面性的，由於Hash索引結構的特殊性，其存在著很多限制和弊端。主要表現在：(1)Hash索引不能進行範圍查詢，只能滿足“=”、“IN”和“！=”等查詢(2)Hash索引不能用來簡化排序操作(3)當Hash索引遇到大量Hash值相等的情況下效率可能會比B-tree索引低。