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 para el 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 de Medallas (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 DataFrame
• Validación y comparación con la salida original

Día 2 — Delta Lake avanzado y carga incremental

• Transacciones ACID, registros de confirmación, versionado y viajes en el tiempo
• Auto Loader, patrones MERGE INTO, actualizaciones/insertaciones (upserts) y evolución de esquemas
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Laboratorio del 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 mejoras en el rendimiento de lectura y 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, intercambios (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 desbordamiento (spill)

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

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

Día 4 — PySpark táctico: Reemplazo de la lógica procedural

• Modelo de ejecución de Spark: conductor (driver), ejecutores, evaluación perezosa 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 — Refactorización de scripts procedurales

• Refactorización de un script ETL procedural en notebooks de PySpark modulares
• Introducción a la parametrización, pruebas de estilo unitario y funciones reutilizables
• Revisión de código y aplicación de listas de verificación de mejores prácticas

Día 5 — Orquestación, flujo de trabajo de extremo a extremo y mejores prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, disparadores y manejo de errores
• Diseño de flujos de trabajo de Medallas incrementales con reglas de calidad y validación de esquemas
• Integración con Git (GitHub/Azure DevOps), CI y estrategias de prueba para lógica de PySpark

Laboratorio del Día 5 — Construcción de un flujo de trabajo completo de extremo a extremo

• Ensamblaje del flujo de trabajo Bronce→Plata→Oro orquestado con Workflows
• Implementación de registro (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución del flujo de trabajo completo, validación de salidas y preparación de notas de despliegue

Operacionalización, gobernanza y preparación para producción

• Gobernanza de Unity Catalog, linaje y mejores prácticas de controles de acceso
• Costos, dimensionamiento de clústeres, autoescalamiento 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 siguientes 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