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 de alto nivel y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos de laboratorio

Día 1 — Fundamentos y arquitectura de la migración

• Conceptos de Lakehouse, visión general de Delta Lake y arquitectura de Databricks
• Diferencias entre SMP y MPP e implicaciones para la migración
• Diseño de Medalla (Bronze→Silver→Gold) y visión general de Unity Catalog

Laboratorio Día 1 — Traducción de un procedimiento almacenado

• Migración práctica de un procedimiento almacenado de muestra a un cuaderno de notas
• 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 (commit logs), versiones y viaje en el tiempo
• Auto Loader, patrones MERGE INTO, operaciones upsert y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Laboratorio Día 2 — Ingesta 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 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), sugerencias (hints), caché y reducción de desbordamiento (spill)

Laboratorio Día 3 — Refactorización de SQL y ajuste de rendimiento

• Refactorización de un proceso de SQL pesado a Spark SQL optimizado
• Uso de trazas de la interfaz de usuario de Spark para identificar y corregir problemas de sesgo (skew) y mezclas (shuffle)
• Pruebas 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: controlador (driver), ejecutores, evaluación perezosa y estrategias de particionamiento
• Transformación de bucles y cursores en operaciones vectorizadas de DataFrame
• Modularización, funciones UDF/UDFs de pandas, widgets y bibliotecas reutilizables

Laboratorio Día 4 — Refactorización de scripts procedurales

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

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

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

Operativización, gobierno y preparación para producción

• Gobierno de Unity Catalog, linaje y mejores prácticas de controles de acceso
• Costos, dimensionamiento de clústeres, escalado automático (autoscaling) y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión (rollback) y creación de manuales de operación (runbook)

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