Taller de Migración a Databricks: De Procedimientos Almacenados a Lakehouse (Intensivo de 5 Días)

Introducción, Objetivos y Estrategia de Migración

• Objetivos del curso, alineación del perfil del participante y criterios de éxito
• Enfoques de migración a alto nivel y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos para el 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 del patrón Medalla (Bronce→Plata→Oro) y visión general de Unity Catalog

Laboratorio Día 1 — Traducción de 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, versionado y viaje en el tiempo
• Auto Loader, patrones MERGE INTO, actualizaciones (upserts) y evolución del esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionado y ajuste de almacenamiento

Laboratorio Día 2 — Ingestión y Optimización Incrementales

• 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/escritura

Día 3 — SQL en Databricks, Rendimiento y Depuración

• Funcionalidades de SQL analítico: funciones de ventana, funciones de orden superior, manejo de JSON/arreglos
• Lectura de la interfaz de Spark UI, DAGs, mezclas (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones de difusión (broadcast joins), pistas (hints), cacheo y reducción de desbordamiento (spill)

Laboratorio Día 3 — Refactorización de SQL y Ajuste de Rendimiento

• Refactorizar un proceso SQL pesado a Spark SQL optimizado
• Usar trazas de la interfaz de Spark UI para identificar y corregir problemas de sesgo (skew) y mezclas (shuffle)
• Benchmark antes/después y documentación de los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazo de Lógica Procedimental

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

Laboratorio Día 4 — Refactorización de Scripts Procedimentales

• Refactorizar un script ETL procedimental en notebooks modulares de PySpark
• Introducción de 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 Medalla incrementales con reglas de calidad y validación de esquema
• Integración con Git (GitHub/Azure DevOps), CI y estrategias de pruebas para lógica PySpark

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

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

Operacionalización, Gobernanza y Preparación para Producción

• Gobernanza con Unity Catalog, linaje de datos y mejores prácticas de controles de acceso
• Costos, dimensionamiento de clústeres, autoescalamiento y patrones de concurrencia de trabajos
• Listas de verificación de despliegue, estrategias de reversión (rollback) y creación de manuales de ejecución (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