Taller de migración a Databricks: de procedimientos almacenados a Lakehouse (intensivo de 5 días)

Introducción, objetivos y estrategia de migración

• Objetivos del curso, alineación con el perfil de los participantes y criterios de éxito
• Enfoques de migración a alto nivel y consideraciones de riesgos
• Configuración de espacios de trabajo, repositorios y conjuntos de datos de 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 Medalla (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 muestra a un cuaderno (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 comisión (commit logs), control de versiones y viaje en el tiempo
• Auto Loader, patrones de MERGE INTO, operaciones de upsert y evolución de 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 y escritura

Día 3 — SQL en Databricks, rendimiento y depuración

• Funciones SQL analíticas: funciones de ventana, funciones de orden superior, manejo de JSON/arrays
• Lectura de Spark UI, DAGs, mezclas (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones en difusión (broadcast joins), sugerencias (hints), caché y reducción de derrames (spill)

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

• Refactorización de un proceso SQL pesado en SQL de Spark optimizado
• Uso de trazas de Spark UI para identificar y corregir problemas de sesgo (skew) y mezcla (shuffle)
• Benchmarking 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, ejecutores, evaluación perezosa y estrategias de particionamiento
• Transformación de bucles y cursores en operaciones vectorizadas de DataFrame
• Modularización, UDFs/UDFs de pandas, widgets y librerías reutilizables

Laboratorio del Día 4 — Refactorización de scripts procedurales

• Refactorización de un script ETL procedural en cuadernos modulares de PySpark
• 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, tubería de extremo a extremo y mejores prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, desencadenantes y manejo de errores
• Diseño de tuberías Medalla incrementales con reglas de calidad y validación de esquemas
• Integración con Git (GitHub/Azure DevOps), CI y estrategias de pruebas para lógica de PySpark

Laboratorio del Día 5 — Construcción de una tubería completa de extremo a extremo

• Ensamblaje de la tubería Bronce→Plata→Oro orquestada con Workflows
• Implementación de registros (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución de la tubería completa, 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, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de retroceso (rollback) y creación de libros de operaciones (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, rutas de aprendizaje adicionales y opciones de soporte