# 開始 Spark中所有相關功能的入口點是[SQLContext](http://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.sql.SQLContext)類或者它的子類，創建一個SQLContext的所有需要僅僅是一個SparkContext。 ~~~ val sc: SparkContext // An existing SparkContext. val sqlContext = new org.apache.spark.sql.SQLContext(sc) // createSchemaRDD is used to implicitly convert an RDD to a SchemaRDD. import sqlContext.createSchemaRDD ~~~ 除了一個基本的SQLContext，你也能夠創建一個HiveContext，它支持基本SQLContext所支持功能的一個超集。它的額外的功能包括用更完整的HiveQL分析器寫查詢去訪問HiveUDFs的能力、從Hive表讀取數據的能力。用HiveContext你不需要一個已經存在的Hive開啟，SQLContext可用的數據源對HiveContext也可用。HiveContext分開打包是為了避免在Spark構建時包含了所有的Hive依賴。如果對你的應用程序來說，這些依賴不存在問題，Spark 1.2推薦使用HiveContext。以后的穩定版本將專注于為SQLContext提供與HiveContext等價的功能。 用來解析查詢語句的特定SQL變種語言可以通過`spark.sql.dialect`選項來選擇。這個參數可以通過兩種方式改變，一種方式是通過`setConf`方法設定，另一種方式是在SQL命令中通過`SET key=value`來設定。對于SQLContext，唯一可用的方言是“sql”，它是Spark SQL提供的一個簡單的SQL解析器。在HiveContext中，雖然也支持"sql"，但默認的方言是“hiveql”。這是因為HiveQL解析器更完整。在很多用例中推薦使用“hiveql”。