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 generales de migración y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos para prácticas

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

Práctica Día 1 — Traduciendo 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 (commit logs), versionado y time travel
• Auto Loader, patrones MERGE INTO, actualizaciones (upserts) y evolución de esquemas
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Práctica Día 2 — Ingestión Incremental y Optimización

• Implementación de ingestión 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 del Spark UI, DAGs, shuffles, etapas (stages), tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones broadcast, hints (indicaciones), almacenamiento en caché y reducción de desbordamiento (spill)

Práctica Día 3 — Refactorización SQL y Ajuste de Rendimiento

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Utilizar trazas del Spark UI para identificar y corregir problemas de sesgo y shuffle
• Ejecutar pruebas comparativas antes y después, y documentar los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazando 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 con DataFrames
• Modularización, UDFs/pandas UDFs, widgets y bibliotecas reutilizables

Práctica Día 4 — Refactorizando Scripts Procedurales

• Refactorizar un script ETL procedural en notebooks PySpark modulares
• Introducir parametrización, pruebas unitarias estilo prueba 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, desencadenadores (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 prueba para la lógica PySpark

Práctica Día 5 — Construir un Pipeline Completo de Extremo a Extremo

• Ensamblar el pipeline Bronce→Plata→Oro orquestado con Workflows
• Implementar registros (logging), auditoría, reintentos y validaciones automatizadas
• Ejecutar el pipeline completo, validar las salidas y preparar notas de implementación

Operacionalización, Gobernanza y Preparación para Producción

• Mejores prácticas para 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 implementación, estrategias de reversión y creación de manuales (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 del material de capacitación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte