数据库中的聚合算子，例如sum， avg， group by， sort等等，会耗费大量的CPU和IO资源进行计算和读写，通过并行执行的方式，将对应的算子下压到各个计算节点上，充分利用集群的计算资源，提升执行效率。

    总的来看，聚合算子的下压可以分为两种计划

    Partition-Wise Aggregation

    示例1：

    1. explain select sum(c2) from t2 group by c1\G
    2. *************************** 1. row ***************************
    3. Query Plan: 
    4. ============================================
    5. |ID|OPERATOR           |NAME|EST. ROWS|COST|
    6. --------------------------------------------
    7. |0 |EXCHANGE IN DISTR  |    |1000     |2834|
    8. |1 | EXCHANGE OUT DISTR|    |1000     |2740|
    9. |2 |  HASH GROUP BY    |    |1000     |2740|
    10. |3 |   TABLE SCAN      |t2  |4000     |499 |
    11. ============================================
    13. Outputs & filters: 
    14. -------------------------------------
    15.   0 - output([T_FUN_SUM(t2.c2)]), filter(nil)
    16.   1 - output([T_FUN_SUM(t2.c2)]), filter(nil)
    17.   2 - output([T_FUN_SUM(t2.c2)]), filter(nil), 
    18.       group([t2.c1]), agg_func([T_FUN_SUM(t2.c2)])
    19.   3 - output([t2.c1], [t2.c2]), filter(nil), 
    20.       access([t2.c1], [t2.c2]), partitions(p[0-3])

    如果聚合查询的语意是按照分区键去做分组且在分组内做聚合，那么这样的聚合操作称为partition-wise aggregation。所有的操作都被下压到分区内并行的执行。需要注意的是，partition-wise aggregation不一定是最优的执行，因为并行度会受限于分区的数量。在OceanBase 1.x版本中，对于这样的情况，暂时没有做别的替代计划的实现。

    下压加两阶段聚合

    示例2：

    1. explain select sum(c1) from t2 group by c2\G
    2. *************************** 1. row ***************************
    3. Query Plan: 
    4. =============================================
    5. |ID|OPERATOR            |NAME|EST. ROWS|COST|
    6. ---------------------------------------------
    7. |0 |HASH GROUP BY       |    |1000     |3395|
    8. |1 | EXCHANGE IN DISTR  |    |1000     |2834|
    9. |2 |  EXCHANGE OUT DISTR|    |1000     |2740|
    10. |3 |   HASH GROUP BY    |    |1000     |2740|
    11. |4 |    TABLE SCAN      |t2  |4000     |499 |
    12. =============================================
    14. Outputs & filters: 
    15. -------------------------------------
    16.   0 - output([T_FUN_SUM(T_FUN_SUM(t2.c1))]), filter(nil), 
    17.       group([t2.c2]), agg_func([T_FUN_SUM(T_FUN_SUM(t2.c1))])
    18.   1 - output([T_FUN_SUM(t2.c1)], [t2.c2]), filter(nil)
    19.   2 - output([T_FUN_SUM(t2.c1)], [t2.c2]), filter(nil)
    20.   3 - output([T_FUN_SUM(t2.c1)], [t2.c2]), filter(nil), 
    21.       group([t2.c2]), agg_func([T_FUN_SUM(t2.c1)])
    22.   4 - output([t2.c1], [t2.c2]), filter(nil), 
    23.       access([t2.c1], [t2.c2]), partitions(p[0-3])

    在更一般的情况下，aggregation操作可能不是按照分区键作为分组来做的，在这样的情况下，OceanBase会采用如例2所示的两阶段聚合的方式，将aggregation操作下压，获得部分的聚合结果，再进行汇总的方式获得最终结果。需要指出的是，在目前，两阶段聚合的第二阶段不是并行执行的，在OceanBase以后的版本中，会将两阶段聚合的第二阶段也并行执行。