Taller de Migración con Databricks: De Procedimientos Almacenados a Lakehouse (Intensivo de 5 Días)

Introducción, Objetivos y Estrategia de Migración

• Metas del curso, alineación del perfil del participante y criterios de éxito
• Enfoques generales de migración y consideraciones de riesgos
• Configuración de espacios de trabajo, repositorios y conjuntos de datos para las prácticas

Día 1 — Fundamentos de la Migración y Arquitectura

• Conceptos de Lakehouse, descripción general de Delta Lake y arquitectura de Databricks
• Diferencias e implicaciones entre SMP (Shared-Processing Model) y MPP (Massively Parallel Processing) para la migración
• Diseño del modelo Medallion (Bronce→Plata→Oro) y descripción general de Unity Catalog

Práctica del Día 1 — Traducir un Procedimiento Almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un notebook
• Mapeo de tablas temporales y cursores a transformaciones de DataFrames
• Validación y comparación con el resultado original

Día 2 — Delta Lake Avanzado y Carga Incremental

• Transacciones ACID, registros de compromiso (commit logs), versionado y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, actualizaciones (upserts) y evolución del esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Práctica del Día 2 — Ingesta Incremental y Optimización

• Implementación de ingestas con Auto Loader y flujos de trabajo MERGE
• Aplicación de OPTIMIZE, Z-ORDER y VACUUM; validación de resultados
• Medición de las mejoras en el rendimiento de lectura/escritura

Día 3 — SQL en Databricks, Rendimiento y Depuración

• Características de SQL analítico: funciones de ventana, funciones de orden superior y manejo de JSON/arrays
• Lectura de la interfaz de Spark (Spark UI), DAGs, shuffles, etapas (stages), tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones broadcast, hints, caché y reducción de desbordamiento (spill)

Práctica del Día 3 — Refactorización de SQL y Ajuste de Rendimiento

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Utilizar los registros de la interfaz de Spark para identificar y corregir problemas de sesgo (skew) y shuffle
• Realizar benchmark antes y después, y documentar los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazando Lógica Procedimental

• Modelo de ejecución de Spark: driver, ejecutores, evaluación perezosa (lazy evaluation) y estrategias de particionamiento
• Transformación de bucles y cursores en operaciones de DataFrames vectorizadas
• Modularización, UDFs / pandas UDFs, widgets y bibliotecas reutilizables

Práctica del Día 4 — Refactorización de Scripts Procedimentales

• Refactorizar un script ETL procedimental en notebooks PySpark modulares
• Introducir parametrización, pruebas estilo unitario y funciones reutilizables
• Revisión del código y aplicación de una lista de verificación de mejores prácticas

Día 5 — Orquestación, Pipeline de Extremo a Extremo y Mejores Prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, activadores y manejo de errores
• Diseño de pipelines Medallion incrementales con reglas de calidad y validación del esquema
• Integración con Git (GitHub / Azure DevOps), CI e estrategias de prueba para la lógica PySpark

Práctica del Día 5 — Construir un Pipeline Completo de Extremo a Extremo

• Armar el pipeline Bronce→Plata→Oro orquestado con Workflows
• Implementar registro (logging), auditoría, reintentos y validaciones automatizadas
• Ejecutar el pipeline completo, validar salidas y preparar notas de implementación

Operacionalización, Gobernanza y Preparación para Producción

• Mejores prácticas de gobernanza, linaje y controles de acceso con Unity Catalog
• Costos, dimensionamiento de clústers, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de implementación, estrategias de reversión (rollback) y creación de runbooks

Revisión Final, Transferencia de Conocimientos y Próximos Pasos

• Presentaciones de los participantes sobre el trabajo de migración y lecciones aprendidas
• Análisis de brechas, actividades de seguimiento recomendadas y entrega de materiales de capacitación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte