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

Introducción, Objetivos y Estrategia de Migración

• Objetivos del curso, alineación del 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 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 (Bronze→Silver→Gold) y visión general de Unity Catalog

Lab 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, versionamiento y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, upserts y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionado y ajuste de almacenamiento

Lab del Día 2 — Ingestión incremental y optimización

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

Día 3 — SQL en Databricks, rendimiento y depuración

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

Lab del Día 3 — Refactorización de SQL y ajuste de rendimiento

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

Día 4 — PySpark táctico: Reemplazo de la lógica procedural

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

Lab del Día 4 — Refactorización de scripts procedurales

• Refactorización de un script ETL procedural en notebooks modulares de PySpark
• 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, Tubería de extremo a extremo y mejores prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, desencadenantes (triggers) y manejo de errores
• Diseño de tuberías 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

Lab del Día 5 — Construir una tubería completa de extremo a extremo

• Ensamblaje de la tubería Bronze→Silver→Gold orquestada con Workflows
• Implementación de registro de eventos (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución de la tubería completa, validación de salidas y preparación de notas de despliegue

Operacionalización, Gobernanza y preparación para producción

• Mejores prácticas de gobernanza de Unity Catalog, linaje (lineage) y controles de acceso
• Costo, dimensionamiento de clústeres, autoescalado (autoscaling) y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión (rollback) y creación de guías de operación (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 formación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte