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 del laboratorio

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

Práctico 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 confirmación, versionamiento y viaje en el tiempo
• Auto Loader, patrones MERGE INTO, actualizaciones de inserción (upserts) y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionado y ajuste de almacenamiento

Práctico 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 mejoras en el rendimiento de lectura y escritura

Día 3 — SQL en Databricks, Rendimiento y Depuración

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

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

• Refactorización de un proceso SQL pesado a Spark SQL optimizado
• Uso de trazas de Spark UI 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: Reemplazando Lógica Procedural

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

Práctico del Día 4 — Refactorización de Guiones Procedurales

• Refactorización de un guion ETL procedural a notebooks de PySpark modulares
• Introducción a parametrización, pruebas de estilo de unidad 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, desencadenantes y manejo de errores
• Diseño de pipelines Medallion incrementales con reglas de calidad y validación de esquema
• Integración con Git (GitHub/Azure DevOps), CI y estrategias de pruebas para lógica de PySpark

Práctico del Día 5 — Construcción de un Pipeline Completo de Extremo a Extremo

• Ensamblaje del pipeline Bronze→Silver→Gold orquestado con Workflows
• Implementación de registros (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución del pipeline completo, validación de salidas y preparación de notas de despliegue

Operacionalización, Gobernanza y Listez para Producción

• Mejores prácticas de gobernanza de Unity Catalog, linaje y controles de acceso
• Costo, dimensionamiento de clústeres, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión 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 de seguimiento recomendadas y entrega de materiales de capacitación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte