L7Размер таблицы в оракле 62 мегабайта (инфа от Toad).

Импортировал таблицу в солр 5.2.1 (под windows).
Размер индекса с данными: 89 мегабайт
Размер индекса без данных: 68 мегабайт

Вопрос: возможно ли уменьшить размер индекса?

Следующие варианты уже исследованы:
Уменьшение количества индексированных полей, отключение хранения данных в солре, исключения части строк из индекса.

Нужны дополнительные возможности уменьшения размера индекса.
Есть такие?

Я не знаю какие выводы следуют из эксперимента. То что Lucene/Sold более прожёрлив чем Oracle?
Нет. Что за цифра 62 мегабайта от Тоад? Как бывший Оракл-ДБА я вам могу сказать что это может
быть 1) Размер db_blocks, размер экстентов? 2) Размер сегмента или табличного просранства где лежит
1 табличка?

Что за 89, 68 мегабайт? Для какой версии Lucene.version ? Какие алгоритмы токенизации использовались
для Russian Words? Насколько они эффективны для вашей задачи? Какая кодовая страница исходных
данных (здесь я упоминаю о своём собственном баге когда в вливал в Lucene в win-1251 кодировке
сырые данные что приводило к отказу токенизации и взрывному росту индекса). И фишка в том
что обнаружить этот баг без избирательных тестов поиска было невозможно. Баг на этапе загрузки
не детектился никак. Так что кодировки... кодировки... Курите их вни-ма-тель-но.

И самое главное. Что за спички? Что за 30% ? Как можно полёт шмеля экстраполировать на полёт
вертолёта? Там же другая физика.

Когда заказчик ставит задачу измерения терабайтов - и меряйте терабайты. Но учитывайте
1) гистерезис хранилища. Добавление "не равно" добавлению + update. Delete не всегда вызывает
освобождение физического места. 2) Резерв 25% на рост. Цифру я взял с потолка. Обычно
структуры данных наподобие B+Tree резервируют в каждой странице (листике или блоке)
метсто для updates и нет никаких оснований требовать от структуры хранения того-же
логического размера который был в CSV или исходных данных. И эти 25 % разумная плата
за скорость. И нечего заказчику здесь торговаться или сравнивать с Ораклом. Это фейл.

L7Solr 5.2.1
Lucene по умолчанию, не знаю как посмотреть версию.
Остальное по умолчанию.
Кодировка - подозреваю UTF-8. База содержит русские слова (см.выше пример), солр успешно возвращает их в своей админке на страничке core - Query в читаемом виде. Как проверить?
Вобщем я не специалист в Solr. Но если у него в вершине стека технологий стоит Lucene то нужные
ответы стоит искать в документации по Люсин. Кстати этот проект бурно развивается и буквально
каждую мажорную версию у него меняется формат storage. Это я установил экспериментально
пробуя разные режимы совместимости IndexWriter.

По поводу russian. Экспериментально я установил что чем сильнее у тебя токенизатор
режет входной поток и чем сильнее и умнее работает Стемминг - тем компактнее выходит
индекс. Здесь не пытайся спрашивать меня чо и как. Кури сорцы. Экспериментируй.

Я дарю тебе авторскую картинку. Рисовал ее сам для 5-й версии но сейчас в тренде уже
http://mvnrepository.com/artifact/org.apache.lucene/lucene-core/5.2.1

Еще по теме можешь почитать про Elastic Search. Это тоже Lucene + еще несколько умных
доработок и хороший веб-GUI.