摘要在当今数据驱动的时代，文档型存储已成为处理半结构化和非结构化数据的标配。PostgreSQL 自 9.4 版本引入 JSONB 二进制 JSON 类型后，凭借其成熟的 ACID 事务、强大的查询优化器和丰富的生态，在文档存储领域向 MongoDB 发起了强有力的挑战。本文基于 Python 生态，设计并执行了一套覆盖写入、索引查询、聚合分析、更新删除及并发混合负载的标准化性能测试框架，在同等硬件条件下对 PostgreSQL 16（JSONB）与 MongoDB 7.0 进行全方位对决。通过超过 5000 字的详尽分析、数十个代码片段和可视化图表，我们揭示了两者在不同数据规模、查询复杂度下的真实表现，并为技术选型提供量化依据。目录摘要1. 引言：文档存储的十字路口1.1 背景与动机1.2 测试目标1.3 文章结构2. 测试环境与数据模型2.1 硬件与软件配置2.2 文档模型设计2.3 Schema 与索引设计3. Python 测试框架设计3.1 架构概览3.2 连接池与并发控制3.3 数据生成器实现3.4 监控与测量工具4. 基准测试执行与代码实现4.1 写入性能测试（批量插入）4.2 查询性能测试4.3 更新性能测试4.4 混合负载测试（模拟真实场景）5. 性能结果深度分析5.1 写入吞吐量5.2 查询延迟（P95 毫秒）5.3 更新性能5.4 混合负载结果（10 分钟，50 并发）5.5 扩展性：数据规模对 Q2 查询的影响6. 优化技巧与陷阱（实测经验）6.1 PostgreSQL JSONB 优化要点6.2 MongoDB 优化要点6.3 常见性能陷阱7. 结论与选型建议7.1 胜负总结7.2 选型决策树7.3 未来趋势1. 引言：文档存储的十字路口1.1 背景与动机随着微服务、物联网、内容管理系统和实时推荐等应用的普及，数据模型频繁变更、字段动态扩展成为常态。传统关系型数据库的严格 Schema 难以应对这种灵活性需求，而文档数据库（如 MongoDB）凭借无模式（Schema-less）设计和原生 JSON 支持迅速占领市场。然而，PostgreSQL 作为最先进的开源关系型数据库，并未坐以待毙。其 JSONB 类型采用二进制存储格式，支持 GIN 索引、表达式索引、路径查询和完整的 SQL 事务隔离级别。这种“关系型 + 文档型”双模能力让许多团队开始重新审视架构选型。1.2 测试目标本文的目标不是给出“谁更好”的简单结论，而是通过科学、可复现的 Python 测试框架，回答以下核心问题：