setData和getData在api中有好多同名的方法 你指的是哪一个？

public static void main(String[] args) {
System.out.println("MySQL JDBC Example.");
Connection conn = null;
String url = "jdbc:mysql://...:3306/test?autoReconnect=true&useSSL=false";
String driver = "com.mysql.jdbc.Driver";
String userName = "root";
String password = "XXXXXXXX";
Statement stmt = null;
ResultSet rs = null;
try {
Class.forName(driver);
conn = DriverManager.getConnection(url, userName, password);
stmt = conn.createStatement();
String sql = "select * from AAA";
rs = stmt.executeQuery(sql);
while (rs.next()) {
int id = rs.getInt("emp_id");
String name = rs.getString("name");
System.out.println("id = " + id + ", name = " + name);
}
// 关闭资源
rs.close();
stmt.close();
conn.close();
} catch (Exception e) {
e.printStackTrace();
} finally {
if (rs != null) {
try {
rs.close();
} catch (SQLException sqlEx) { } // ignore
}
if (stmt != null) {
try {
stmt.close();
} catch (SQLException sqlEx) { } // ignore
}
}
}

一般的情况是成员变量不用public修饰，可以增加专门的get 和set方法来访问成员变量

直接用均匀分布创建

其实本质是一样的 只是实现方式不一样 为什么呢？因为存储不一样，传统数据库只在一台或是几台机器上，机器之间的数据都是整块存储的 比如一个表就存在一个服务器上，所以查询sql的时候是直接提到内存查找，SQL-on-Hadoop解决的是数据表存在hadoop集群上，因为hadoop的块存储可能会使一个表跨多台服务器，那查表的时候要在多台服务器上查询，同时不同的sql查询的逻辑也不一样，这就需要一个分布式的sql引擎，这就是SQL-on-Hadoop的核心思想

datanode 数据块

啥地方写了 能发个地址或是截个图吗

数据量上TB以后 传统的数据集性能达到了瓶颈 只能靠扩充硬件来完成很多数据仓库的查询 而且查询速度慢 如果多人共用的话很更慢 ，垂直扩展硬件是有局限性的，比如硬盘由1t缓成2t，但是很快内存不够了128g少了 那就得上256g 但是很快主板插满了 不支持更大了 所以再大的数据量已经不能支持了，
hadoop系统的好处可以线性增加机器 而且是廉价的机器 成本很低 也能完成传统数据仓库的查询和统计，费用低，硬件便宜

至少3T的空间 至少是三倍的关系 因为还存在很多中间文件和缓存文件

你可以想象为啥要设计成序列化，一般序列化的作用是为了传输，但是SparkContext只在driver端运行 没有保存或是传输的场景

直接点击数据库 右键弹出菜单就可以新建表了

熟是最高级的技巧

有服务器端的session在 你怕啥

vm和主机网络连接的方式是什么

每次使用命令就打版本不支持显示 这句话是啥意思 能具体解释一下吗