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 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 Medallion (Bronze→Silver→Gold) y resumen 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 commits, versiones y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, actualizaciones/insertiones (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 de 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 alto orden, 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 desbordamiento (spill)

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

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

Día 4 — PySpark táctico: Reemplazo de la lógica procedural

• Modelo de ejecución de Spark: 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 del Día 4 — Refactorización de scripts procedurales

• Refactorizar un script ETL procedural en notebooks modulares de PySpark
• Introducir parametrización, pruebas de estilo unitario y funciones reutilizables
• Revisión de código y aplicación de la lista de comprobación 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 — Construir un pipeline completo de extremo a extremo

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

Operativización, gobernanza y preparación para producción

• Mejores prácticas de gobernanza de Unity Catalog, linaje y controles de acceso
• Costo, dimensionamiento de clústeres, escalado automático (autoscaling) y patrones de concurrencia de trabajos
• Listas de comprobación de despliegue, estrategias de reversión (rollback) y creación de libros de operaciones (runbook)

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 formación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte