使用组by和自联接查找重复项

Question

我有一个表，我正试图查询它，如下所示：

t_documents
id
user_id
submitted_date
text
status

用户可以在文档表中拥有多个文档，并且可以多次提交相同的文本。我想要一种方法，看看有多少重复提交是每个用户。因此，对于前任：

VALUES (1, 1234, 2016-07-05, "this is a test", 3)
VALUES (2, 1234, 2016-07-06, "this is a test", 3)
VALUES (3, 5678, 2016-07-07, "this is another test", 3)
VALUES (4, 5678, 2016-07-08, "this is another test", 3)

对于上面的数据集，我想要的结果是给我一个用户1234的记录，重复的文本和重复文本已经提交的次数。我尝试了以下几点：

select oring.user_id, orig.text, COUNT(1) as dups
from t_documents orig
join t_documents another
on orig.user_id = another.user_id
and orig.text = another.text
group by user_id

以上是超级粗糙，不起作用。有人能告诉我怎么做吗？我感兴趣的另一个查询是，在所有用户中总共有多少重复条目？

Answer 1

我不确定你是否需要自己加入这里。用户ID和文本列上的简单GROUP BY应该足够了：

SELECT user_id, COUNT(*) AS dup_count
FROM t_documents
GROUP BY user_id, text

我在这里假设，在确定文本是否重复时，您不关心发布日期。

编辑：

如果要在所有用户中查找重复项的总数，则可以尝试以下查询：

SELECT SUM(t.dup_count)
FROM
(
    SELECT user_id, COUNT(*) - COUNT(DISTINCT text) AS dup_count
    FROM t_documents
    GROUP BY user_id
) t