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 riesgos
• 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 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 compromiso, versiones y viaje en el tiempo
• Auto Loader, patrones MERGE INTO, inserciones actualizadas (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 las 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/arrays
• Lectura de la interfaz de usuario de Spark, DAGs, barajados (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones por difusión (broadcast), indicaciones (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 la interfaz de usuario de Spark para identificar y corregir problemas de sesgo (skew) y barajados
• Realizar pruebas de rendimiento (benchmark) antes y después, y documentar los pasos de ajuste

Día 4 — PySpark táctico: Reemplazando la lógica procedural

• Modelo de ejecución de Spark: controlador, ejecutores, evaluación perezosa y estrategias de particionamiento
• Transformación de 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 unitario y funciones reutilizables
• Revisión de código y aplicación de la lista de verificación de mejores prácticas

Día 5 — Orquestación, pipeline de principio a fin y mejores prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, desencadenadores 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 la lógica de PySpark

Laboratorio del Día 5 — Construir un pipeline completo de principio a fin

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

Operacionalización, gobernanza y preparación para producción

• Gobernanza con Unity Catalog, linaje 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 y creación de guiones de operación (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 adicional y opciones de soporte