Taller de Migración con Databricks: De Procedimientos Almacenados al 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 a alto nivel y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos para laboratorios

Día 1 — Fundamentos de la Migración y Arquitectura

• Conceptos de Lakehouse, visión general de Delta Lake y arquitectura de Databricks
• Diferencias e implicaciones entre SMP y MPP 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 DataFrames
• 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
• Auto Loader, patrones MERGE INTO, actualizaciones (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 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
• Lectura del Spark UI, DAGs, shuffle, etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones por difusión, hints (indicadores), almacenamiento en caché y reducción de derrames

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

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

Día 4 — PySpark Táctico: Reemplazando la Lógica Procedural

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

Laboratorio del Día 4 — Refactorización de Scripts Procedurales

• Refactorizar un script ETL procedural en notebooks PySpark modulares
• Introducción de parametrización, pruebas unitarias estilo básico y funciones reutilizables
• Revisión de código y aplicación de 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 (triggers) 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 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 implementación

Operacionalización, Gobernanza y Listo para Producción

• Mejores prácticas en gobernanza, linaje y controles de acceso con Unity Catalog
• Costos, tamaño 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 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, vías de aprendizaje adicionales y opciones de soporte