Sql 计数重复项时自动加入与分组方式

我试图根据Oracle数据库中表的一列来计算重复项。此查询使用分组依据：

select count(dockey), sum(total)
from
(
select doc1.xdockeyphx dockey, count(doc1.xdockeyphx) total
from ecm_ocs.docmeta doc1
where doc1.xdockeyphx is not null
group by doc1.xdockeyphx
having count(doc1.xdockeyphx) > 1
)

返回

count=94408

和

sum（total）=219330

。我认为这是正确的值

现在，使用自联接尝试另一个查询：

select count(distinct(doc1.xdockeyph))
from ecm_ocs.docmeta doc1, ecm_ocs.docmeta doc2
where doc1.did > doc2.did
and doc1.xdockeyphx = doc2.xdockeyphx
and doc1.xdockeyphx is not null
and doc2.xdockeyphx is not null

结果也是94408，但这一个：

select count(*)
from ecm_ocs.docmeta doc1, ecm_ocs.docmeta doc2
where doc1.did > doc2.did
and doc1.xdockeyphx = doc2.xdockeyphx
and doc1.xdockeyphx is not null
and doc2.xdockeyphx is not null

返回1567466，我认为这是错误的

我用来查找重复项的列是XDOCKEYPHX，DID是表的主键

---

为什么值

sum（total）

与上次查询的结果不同？我不明白为什么上一个查询返回的重复行比预期的多。

在第三个查询中，由于使用（*），列名重复，您可能应该将

选择计数（*）替换为
选择计数（doc1.*）
您不需要上一个where子句的复杂性

where doc1.did > doc2.did
and doc1.xdockeyphx = doc2.xdockeyphx
and doc1.xdockeyphx is not null
and doc2.xdockeyphx is not null

仔细想想，如果
doc1.xdockeyphx
不为空，
doc2.xdockeyphx
就不能为空。也许通过连接表更好地表达

select count(*)
from ecm_ocs.docmeta doc1
join ecm_ocs.docmeta doc2
on doc1.xdockeyphx = doc2.xdockeyphx
where doc1.xdockeyphx is not null and doc1.did > doc2.did

前两个查询报告不同的/分组的结果，而最后一个查询只报告所有结果，这就是计数不同的原因。
让我们保持简单

SELECT FROM_ID,
       TO_ID
FROM   TABLE1;

这让我很感动

5    1
5    2
5    3
5    4
5    5

注意：To Id是此表上的主键

在第一个查询中（当然我更改了谓词）

产生

5    5

在这里，我选择了按TO_ID分组的行，这将在子查询中生成五行，然后主查询中的聚合将其计为5

现在在第二个查询中，即使像在第三个查询中一样将select替换为COUNT（*），也应该得到相同的计数。原因是我加入了他们的PK

SELECT COUNT ( DISTINCT ( DOC1.TO_ID ) )
FROM   TABLE1 DOC1, TABLE1 DOC2
WHERE  DOC1.TO_ID = DOC2.TO_ID;

5


SELECT COUNT(*)
FROM   TABLE1 DOC1, TABLE1 DOC2
WHERE  DOC1.TO_ID = DOC2.TO_ID;

5

但是在您的例子中，您没有在join中使用PK，而是将其用作谓词

自联接中的
TABLE1.COL1=TABLE1.COL1
将使其成为上的联接
TABLE1.COL1>TABLE1.COL1
在自联接中将其作为笛卡尔积

因此，在第二个查询中，您使用了DISTINCT，它将您从这个重复项中解救出来，而不是在第三个查询中使用DISTINCT，它只是返回行的计数。要检查这一点，您可以通过@vogomatix进行
选择*
，因为他的回答帮助我理解了我的问题以及我错在哪里。最后一个查询实际上会产生许多行，显示每对重复项，没有重复，但不适合将它们计算为第一个查询的
总和（total）
。在这种情况下：

DID | XDOCKEYPHX
---------------
1   |    1
2   |    1
3   |    1
4   |    2
5   |    2
6   |    3
7   |    3
8   |    3
9   |    3

第一个内部查询将返回

DID | XDOCKEYPHX
---------------
1   |    3
2   |    2
3   |    4

完整的查询将是
count=3
，这意味着有3个文档有n个副本，并且总的副本文档
sum（total）=9

现在，如果我们只使用一个
select*
，那么第二个和第三个查询将给出如下结果：

DID_1 | XDOCKEYPHX | DID_2
--------------------------
2     |     1      |    1
3     |     1      |    1
3     |     1      |    2
5     |     2      |    4
7     |     3      |    6
8     |     3      |    6
8     |     3      |    7
9     |     3      |    6
9     |     3      |    7
9     |     3      |    8

现在，第二个查询
select count（distinct（xdockeyphx））
将给出正确的值3，但第三个查询
select count（*）
将给出10，这对我来说是不正确的，因为我想知道每个DID（9）的重复项之和。第三个查询提供的是所有重复项对，因此您可以对它们进行比较。我的误解是，如果我计算第三个查询中的所有行，我应该得到每个DID的重复行的总和（
sum（total）
，这是一个错误的想法，现在我意识到了这一点。
+1不是为了制造更多的混乱。。。但是为了解释你在做什么
DID_1 | XDOCKEYPHX | DID_2
--------------------------
2     |     1      |    1
3     |     1      |    1
3     |     1      |    2
5     |     2      |    4
7     |     3      |    6
8     |     3      |    6
8     |     3      |    7
9     |     3      |    6
9     |     3      |    7
9     |     3      |    8