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 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 ejemplo a un cuaderno de código
• 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, inserciones actualizadas (upserts) y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionado 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 las mejoras en el rendimiento de lectura/escritura

Día 3 — SQL en Databricks, rendimiento y depuración

• Funciones analíticas de SQL: funciones de ventana, funciones de orden superior, manejo de JSON/arrays
• Lectura de la interfaz de usuario de Spark, DAGs, intercambios (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones por difusión (broadcast joins), sugerencias (hints), caché y reducción de desbordamiento (spill)

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

• Refactorización de un proceso SQL pesado en Spark SQL optimizado
• Uso de trazas de la interfaz de usuario de Spark para identificar y corregir problemas de sesgo (skew) e intercambio (shuffle)
• Evaluación (benchmark) antes/después y documentación de los pasos de ajuste

Día 4 — PySpark táctico: Reemplazo de la lógica procedural

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

Laboratorio del Día 4 — Refactorización de scripts procedurales

• Refactorización de un script ETL procedural en cuadernos de PySpark modulares
• Introducción de parametrización, pruebas de estilo de unidad y funciones reutilizables
• Revisión de código y aplicación de una 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 Medallion incrementales con reglas de calidad y validación de esquema
• Integración con Git (GitHub/Azure DevOps), CI y estrategias de pruebas para la lógica de PySpark

Laboratorio del Día 5 — Construcción de un pipeline de extremo a completo

• Ensamblaje de un pipeline Bronze→Silver→Gold 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

• Gobernanza de Unity Catalog, línea de sangre (lineage) 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 reversión (rollback) y creación de manuales de operación (runbooks)

Revisión final, transferencia de conocimientos y siguientes 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