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 el laboratorio

Día 1 — Fundamentos de la Migración y Arquitectura

• Conceptos de Lakehouse, descripción general de Delta Lake y arquitectura de Databricks
• Diferencias entre SMP y MPP e implicaciones para la migración
• Diseño Medallión (Bronce→Plata→Oro) y descripción general de Unity Catalog

Laboratorio del Día 1 — Traducción de un Procedimiento Almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un cuaderno
• Mapeo de tablas temporales y cursores a transformaciones de DataFrame
• Validación y comparación con el resultado original

Día 2 — Delta Lake Avanzado y Carga Incremental

• Transacciones ACID, registros de compromiso, 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 — 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 mejoras en el rendimiento de lectura y escritura

Día 3 — SQL en Databricks, Rendimiento y Depuración

• Funciones analíticas de SQL: funciones de ventana, funciones de orden superior, manejo de JSON y matrices
• Lectura de la interfaz gráfica de Spark (Spark UI), DAGs, mezclas (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones broadcast, sugerencias (hints), almacenamiento en caché y reducción de desbordamiento a disco

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

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Utilizar los registros de la interfaz gráfica de Spark (Spark UI) para identificar y corregir problemas de sesgo y mezcla
• Realizar pruebas comparativas antes y después y documentar los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazo de Lógica Procedural

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

Laboratorio del Día 4 — Refactorización de Scripts Procedurales

• Refactorizar un script ETL procedural en cuadernos PySpark modulares
• Introducir parametrización, pruebas unitarias y funciones reutilizables
• Revisión del 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 y manejo de errores
• Diseño de pipelines Medallión incrementales con reglas de calidad y validación de esquema
• 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

• Ensamblar pipeline Bronce→Plata→Oro orquestado con Workflows
• Implementar registro, auditoría, reintentos y validaciones automatizadas
• Ejecutar el pipeline completo, validar los resultados y preparar notas de despliegue

Operacionalización, Gobernanza y Preparación para Producción

• Mejores prácticas de gobernanza de Unity Catalog, linaje y controles de acceso
• 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

Revisión Final, Transferencia de Conocimientos y Próximos Pasos

• Presentaciones de los participantes sobre el trabajo de migración y lecciones aprendidas
• Análisis de brechas, actividades complementarias recomendadas y entrega de materiales de formación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte