下面是對LevelDB、TreeDB、SQLite3 這幾個數據庫的性能對比測試，分別使用了LevelDB (revision 39) SQLite3 (version 3.7.6.3) 及 Kyoto Cabinet’s (version 1.2.67)這三個版本的數據庫。
測試機器配置：six-core Intel(R) Xeon(R) CPU X5650 @ 2.67GHz, with 12288 KB of total L3 cache and 12 GB of DDR3 RAM at 1333 MHz
文件系統：測試腳本分別跑在兩臺機器上，其文件系統一臺為ext3（磁盤為 SATA Hitachi HDS721050CLA362），一臺為ext4（配備磁盤 SATA Samsung HD502HJ）
性能測試源碼：
基本測試
基本測試的條件如下：
- 每個數據庫使用4GB內存
- 數據庫都處于異步寫模式(LevelDB’s sync option, TreeDB’s OAUTOSYNC option, SQLite3’s synchronous options 都關閉)，也就是說寫操作不用等數據真正寫到磁盤上才返回。
- Key 的長度為16字節
- Value 的長度為100字節 (這個長度才能讓數據庫的壓縮算法能夠起作用，將數據壓縮至50％大小左右)
- 順序讀寫時Key值遞增變化
- 隨機讀時生成隨機的Key值
測試結果：
結果顯示，在順序讀寫和隨機寫上，LevelDB 在性能上都遙遙領先，在隨機讀上面 Kyoto Cabinet 引擎稍快一些。
在幾種不同策略下進行寫操作測試
A. Values 為長數據（數據長度為100,000字節）
LevelDB在Value較長時性能比較低，這是由于LevelDB對每一次寫操作都會至少進行兩次寫動作，一次是寫數據文件，另一次是寫日志文件。這里慢的主要原因是LevelDB在進行這些操作時對值進行了過多的Copy。
B. 批量寫操作
一次寫操作寫1000條100字節的數據，由于TreeDB不支持批量寫入，故未對其進行對比測試
上面結果是由于LevelDB數據的組織方式，導致順序寫和隨機寫在性能上都變化不大。
C. 同步進行寫操作
- 對 LevelDB, 設置 WriteOptions.sync = true.
- 對 TreeDB, 將 TreeDB’s OAUTOSYNC 選項開啟.
- 對 SQLite3, 設置 “PRAGMA synchronous = FULL”.
如果你看一下ext4文件系統下的測試數據，你會發現ext3和ext4在表現上非常不同。
D. 無壓縮的寫操作
LevelDB 和 TreeDB 都支持相應的數據壓縮算法(LevelDB 使用的是 Snappy , TreeDB 使用的是 LZO)，由于SQLite不支持壓縮，所以這里的測試數據只是從上面的基本測試結果copy過來的。
LevelDB開啟壓縮比不開啟壓縮效率更高，而TreeDB則相反，這可能是由于TreeDB采用的壓縮算法（LZO）與LevelDB采用的壓縮算法（Snappy）相比計算代價更高。
E. 使用更大內存
將每個獨立庫的內存增大到128MB，對LevelDB來說，其中120MB用來做 write buffer，另外8MB用來做 cache（原來是2MB的 write buffer 和2MB的cache），對SQLite來說，我們不改變其page size，還是保持為1kb，但是我們增大其page數量從4k增加到128k，對TreeDB來說，我們同樣不改變其page大小，也只是增大其cache，從4MB增大到128MB。
SQLite 在采用了大內存后性能變化并不大，而 LevelDB 和 TreeDB 的隨機寫性能卻有顯著提高。LevelDB 在增大內存后性能提升的原因是其write buffer 更大，從而減少了創建的sorted file的次數。減少了磁盤IO。而 TreeDB 的性能提升原因是由于其數據庫的更大部分被映射到內存中了。
在幾種不同策略下進行讀操作測試
A. 大的Cache空間
我們分配128MB給每個數據庫，對LevelDB來說，我們分配8MB給 write buffer，120MB給cache，對另外兩個數據庫，由于它們不支持區分 write buffer 和cache，所以統一將 cache size設置成128MB。
從結果可以看到，增大Cache在數據庫讀性能上都有所提升，其中最為顯著的是TreeDB，其隨機讀性能大幅提升。主要是由于有足夠的內存使得其所有讀操作都幾乎是在內存中進行。
B. 無壓縮的讀操作
下面結果是我們對預先無壓縮狀態寫入的100萬條key為16字節、value為100字節的數據后進行的讀性能測試。同樣的 SQLite 由于不支持壓縮，所以下面數據是直接從其基本測試上copy過來的。
結果可以看到，取消壓縮對讀取性能提升不是特別大，當然，如果你的數據都在內存中的話，執行解壓操作也不會對性能造成太大影響。