Taller de migración a Databricks: De procedimientos almacenados a Lakehouse (Intensivo de 5 días)

Introducción, Objetivos y Estrategia de Migración

• Objetivos del curso, alineación con el perfil del participante y criterios de éxito
• Enfoques de migración a alto nivel y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos para los laboratorios

Día 1 — Fundamentos de migración y Arquitectura

• Conceptos de Lakehouse, visión general de Delta Lake y arquitectura de Databricks
• Diferencias entre SMP y MPP e implicaciones para la migración
• Diseño Medallion (Bronce → Plata → Oro) y visión general de Unity Catalog

Laboratorio del Día 1 — Traducción de un procedimiento almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un notebook
• Mapeo de tablas temporales y cursores a transformaciones de DataFrame
• Validación y comparación con la salida original

Día 2 — Delta Lake avanzado y Carga incremental

• Transacciones ACID, registros de commit, versionado y time travel
• Auto Loader, patrones MERGE INTO, upserts y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Laboratorio del Día 2 — Ingestión incremental y Optimización

• Implementación de la ingesta 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

• Funcionalidades SQL analíticas: funciones de ventana, funciones de orden superior, manejo de JSON/arrays
• Lectura de la interfaz de Spark UI, DAGs, shuffles, etapas, tareas y diagnóstico de cuellos de botella
• Patrones de optimización de consultas: uniones de difusión (broadcast joins), pistas (hints), caché y reducción de derrames (spill)

Laboratorio del Día 3 — Refactorización de SQL y Optimización de rendimiento

• Refactorización de un proceso SQL pesado en Spark SQL optimizado
• Uso de trazas de Spark UI para identificar y corregir problemas de sesgo (skew) y shuffle
• Comparación de rendimiento antes/después y documentación de los pasos de ajuste

Día 4 — PySpark táctico: Reemplazo de la lógica procedural

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

Laboratorio del Día 4 — Refactorización de scripts procedurales

• Refactorización de un script ETL procedural en notebooks de PySpark modulares
• Introducción de parametrización, pruebas de estilo unitario y funciones reutilizables
• Revisión de código y aplicación de la 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, disparadores y manejo de errores
• Diseño de pipelines Medallion incrementales con reglas de calidad y validación de esquemas
• Integración con Git (GitHub/Azure DevOps), CI y estrategias de pruebas para lógica de PySpark

Laboratorio del Día 5 — Construcción de un pipeline completo de extremo a extremo

• Ensamblaje del pipeline Bronce → Plata → Oro orquestado con Workflows
• Implementación de registro (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución del pipeline completo, validación de salidas y preparación de notas de despliegue

Operacionalización, Gobernanza y Listo para producción

• Gobernanza de Unity Catalog, linaje y mejores prácticas de controles de acceso
• Costo, dimensionamiento de clústeres, autoescalado y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión y creación de runbooks

Revisión final, Transferencia de conocimiento 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