使用sparksession要导入的依赖

### 回答1：
您需要导入以下依赖：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.12</artifactId>
    <version>${spark.version}</version>
</dependency>

### 回答2：
使用SparkSession时，需要导入以下依赖：

1. Spark Core依赖：用于处理分布式的数据处理功能和底层的API接口。添加此依赖可以使用Spark的核心功能。

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>2.4.8</version>
</dependency>

2. Spark SQL依赖：用于处理结构化数据，支持SQL查询和DataFrame API。添加此依赖可以使用Spark SQL的功能。

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.4.8</version>
</dependency>

3. Spark Hive依赖（可选）：如果要使用Spark对Hive表进行操作，需要添加此依赖。

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-hive_2.11</artifactId>
    <version>2.4.8</version>
</dependency>

4. Hadoop Common依赖（可选）：如果在使用SparkSession时需要与Hadoop集成，可以添加此依赖。

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-common</artifactId>
    <version>2.7.3</version>
</dependency>

根据项目需求，可以根据实际情况选择导入的依赖。

### 回答3：
使用SparkSession要导入的依赖包括以下几个：

1. spark-core_2.11: Spark的核心库，包含了SparkContext以及RDD的相关功能。
2. spark-sql_2.11: Spark SQL库，用于操作结构化数据，支持SQL查询、数据分析等功能。
3. spark-mllib_2.11: Spark的机器学习库，提供了各种机器学习算法和工具。
4. spark-streaming_2.11: Spark的流式处理库，用于实时流式数据处理。
5. spark-hive_2.11: Spark与Hive集成的库，用于在Spark中使用Hive的元数据和查询功能。
6. spark-avro_2.11: Spark支持Avro格式的库，用于读取和写入Avro格式的数据。
7. spark-csv_2.11: Spark支持CSV格式的库，用于读取和写入CSV格式的数据。
8. spark-examples_2.11: Spark的示例代码库，提供了一些常见的使用示例。

以上是一些常用的依赖包，根据具体需求还可以导入其他额外的依赖包。最新版本的Spark依赖包可以从Spark官方网站或Maven仓库下载。在项目的pom.xml文件或build.gradle文件中添加依赖即可使用SparkSession。