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 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 de Migración y Arquitectura

• Conceptos de Lakehouse, visión general de Delta Lake y arquitectura de Databricks
• Diferencias entre SMP y MPP y sus implicaciones para la migración
• Diseño Medallion (Bronze→Silver→Gold) 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 notebook
• Mapa 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 commit, versionado y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, inserciones/actualizaciones (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

• Funcionalidades de SQL analítico: 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 difuminadas (broadcast joins), pistas (hints), caché y reducción de vertidos (spill)

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

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Utilizar trazas de Spark UI para identificar y corregir problemas de sesgo (skew) y mezcla (shuffle)
• Comparar rendimiento antes/después y documentar los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazo de Lógica Procedural

• Modelo de ejecución de Spark: conductor (driver), ejecutores, evaluación perezosa y estrategias de particionamiento
• Transformar bucles y cursores en operaciones vectorizadas de DataFrame
• Modularización, UDFs/UDFs de pandas, widgets y bibliotecas reutilizables

Laboratorio del Día 4 — Refactorización de Scripts Procedurales

• Refactorizar un script ETL procedural en notebooks de PySpark modulares
• Introducir parametrización, pruebas de estilo unidad 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, disparadores 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 pruebas para lógica PySpark

Laboratorio del Día 5 — Construcción de un Pipeline Completo de Extremo a Extremo

• Ensamblar pipeline Bronze→Silver→Gold orquestado con Workflows
• Implementar registro (logging), auditoría, reintentos y validaciones automatizadas
• Ejecutar el pipeline completo, validar salidas y preparar notas de despliegue

Operacionalización, Gobernanza y Listez para Producción

• Gobernanza de Unity Catalog, linaje y mejores prácticas de controles de acceso
• Costo, dimensionamiento de clústeres, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión y creación de 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 de seguimiento recomendadas y entrega de materiales de capacitación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte