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, resumen de Delta Lake y arquitectura de Databricks
• Diferencias entre SMP y MPP e implicaciones para la migración
• Diseño de Medallas (Bronce → Plata → Oro) y resumen de Unity Catalog

Laboratorio Día 1 — Traducción de un procedimiento almacenado

• Migración práctica de un procedimiento almacenado de ejemplo 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 commit, versionado y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, actualizaciones/inserciones (upserts) y evolución de esquemas
• OPTIMIZE, VACUUM, Z-ORDER, particionado y ajuste de almacenamiento

Laboratorio 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/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 de la interfaz de usuario de Spark, DAGs, mezclas (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones en difusión (broadcast joins), pistas (hints), caché y reducción de derrames (spill)

Laboratorio Día 3 — Refactorización de SQL y ajuste de rendimiento

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Usar trazas de la interfaz de usuario de Spark para identificar y corregir problemas de sesgo (skew) y mezcla (shuffle)
• Realizar pruebas de rendimiento antes y después y documentar los pasos de ajuste

Día 4 — PySpark táctico: Reemplazando la lógica procedural

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

Laboratorio Día 4 — Refactorización de guiones procedurales

• Refactorizar un guión ETL procedural en cuadernos de PySpark modulares
• Introducir parametrización, pruebas de estilo unitario 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, desencadenantes y manejo de errores
• Diseño de pipelines de Medallas 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 Día 5 — Construcción de un pipeline completo de extremo a extremo

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

Operativización, gobernanza y preparación para producción

• Mejores prácticas de gobernanza, genealogía y controles de acceso de Unity Catalog
• Costos, dimensionamiento de clústeres, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión y creación de libretos de ejecución (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 formación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte