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

Introducción, Objetivos y Estrategia de Migración

• Metas del curso, alineación con el perfil del participante y criterios de éxito
• Enfoques de migración de 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 Lakehouse, visión general de Delta Lake y arquitectura de Databricks
• Diferencias e implicaciones entre SMP (Shared-Memory Parallel) y MPP (Massively Parallel Processing)
• Diseño Medallion (Bronce→Plata→Oro) y visión general de Unity Catalog

Laboratorio del Día 1 — Traducir un Procedimiento Almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un cuaderno
• 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 confirmación, versionado y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, actualizaciones insertadas (upserts) y evolución del esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Laboratorio del Día 2 — Ingesta Incremental y Optimización

• Implementación de 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

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

Laboratorio del Día 3 — Reingeniería de SQL y Ajuste de Rendimiento

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Usar trazas de la interfaz de Spark para identificar y corregir problemas de desequilibrio (skew) y shuffle
• Comparativa antes/después y documentación de los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazo de Lógica Procedural

• Modelo de ejecución de Spark: driver, executors, evaluación diferida (lazy evaluation) 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 — Reingeniería de Scripts Procedurales

• Refactorizar un script ETL procedural en cuadernos PySpark modulares
• Introducir parametrización, pruebas unitarias y funciones reutilizables
• Revisión de código y aplicación de lista de verificación de mejores prácticas

Día 5 — Orquestación, Pipeline End-to-End y Mejores Prácticas

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

Laboratorio del Día 5 — Construir un Pipeline Completo End-to-End

• 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 despliegue

Operacionalización, Gobernanza y Preparación para Producción

• Mejores prácticas de gobernanza, linaje y controles de acceso en Unity Catalog
• Costos, dimensionamiento de clústeres, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión (rollback) y creación de manuales de operación (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 recomendadas de seguimiento y entrega de materiales de capacitación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte