MongoDB性能测试报告详细分析了在大数据量环境下，包括GridFS和组合索引在内的性能表现。通过对5亿数据级别的插入与查询进行测试，本报告旨在探讨不同索引配置、数据量、查询方式等因素对性能的影响。
测试在服务器上执行了大数据量的插入和查询测试，包括对索引和数据量的组合变化进行测试。在测试过程中，使用了不同类型的索引，并分析了它们对插入性能的具体影响。此外，对于无索引、全索引、双索引以及Shard插入性能都进行了对比测试，并且关注了不同数据量对磁盘空间的占用情况。
在查询性能方面，测试分别针对不同数据类型、并发数、Limit和skip的影响，以及随机全查和查询特定数据量的性能进行了测试。值得注意的是，测试还考察了热数据量大小、进入内存过程对查询性能的影响，并将Shard（双机）和单服务器的查询性能进行了对比。
报告还涉及了CPU与查询性能的关系，以及在不同情况下建立索引和repairDatabase操作的性能差异。测试使用了多种监测工具，包括Mongostat和Zabbix，以监控服务器的内存、CPU、IO以及SWAP等资源使用情况。此外，还对测试用的数据结构进行了详细说明，包括使用了两个词库（dict和color）构建测试数据，并提供了结构和范例。
具体到测试的软件版本，服务器端使用的MongoDB版本为2.4.8，客户端JDK版本为1.7.0_45，而MongoDB Java驱动程序版本为2.9.3。测试环境包括Windows XP SP3和CentOS 64位系统，前者配置为32位双核CPU和4GB内存，后者配置为64位四核CPU。
在测试过程中，报告作者观察到不同索引策略对插入性能有显著影响。例如，在测试描述i2中，作者指出无索引插入时的性能表现；而在测试i3中，全索引插入时的情况则有所不同。此外，测试i4、i5和i6分别讨论了在不同基数上增加双索引后插入性能的变化。
在查询性能的测试中，q1至q5对不同数据量和查询类型进行了深入分析。例如，测试q2关注了并发数增加对查询性能的影响。测试q3和q4分别探讨了Limit和skip对查询性能的影响，而q6和q7则提供了对特定数据量查询性能的测试数据。
报告也对Shard（分布式数据存储）的性能进行了评估。测试q13和q14比较了Shard和单服务器在相同测试条件下的性能，并且报告还尝试找出CPU资源的使用与查询性能之间的关联。在对索引建立的测试中，作者发现不同情况下的索引建立存在性能差异。
MongoDB性能测试报告通过对大量数据的插入和查询测试，提供了详尽的性能分析和对比。这些信息对于数据库管理员和开发者来说是宝贵的，他们可以根据这些数据来优化数据库的配置和性能，从而满足应用程序对数据库性能的高要求。报告最后总结了插入和查询的性能表现，并提出了一些未解决的问题，这些问题可能需要在后续的工作中继续探索。
