Taller de migración de 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 de alto nivel y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos del laboratorio

Día 1 — Fundamentos de la migración y arquitectura

• Conceptos de Lakehouse, descripción general de Delta Lake y arquitectura de Databricks
• Diferencias entre SMP y MPP e implicaciones para la migración
• Diseño Medallion (Bronze→Silver→Gold) y descripción general de Unity Catalog

Laboratorio del Día 1 — Traducción de un procedimiento almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un notebook
• Mapa 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, control de versiones y tiempo viaja (time travel)
• Auto Loader, patrones de MERGE INTO, actualizaciones/inserciones (upserts) y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Laboratorio del Día 2 — Ingestión incremental y optimización

• Implementación de la ingestión con Auto Loader y flujos de trabajo de 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 Spark, DAGs, intercambios (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones de difusión (broadcast joins), sugerencias (hints), caché y reducción de derrames (spill)

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

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

Día 4 — PySpark táctico: Reemplazo de la lógica procedimental

• 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/pandas UDFs, widgets y bibliotecas reutilizables

Laboratorio del Día 4 — Refactorización de scripts procedimentales

• Refactorización de un script ETL procedimental en notebooks de PySpark modulares
• Introducción de parametrización, pruebas de estilo unitario y funciones reutilizables
• Revisión de código y aplicación de una 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, 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 prueba para la lógica de PySpark

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

• Ensamblaje del pipeline Bronze→Silver→Gold orquestado con Workflows
• Implementación de registros (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución del pipeline completo, validación de salidas y preparación de notas de implementación

Operativización, gobernanza y preparación para producción

• Gobernanza de Unity Catalog, linaje y mejores prácticas de controles de acceso
• Costo, dimensionamiento de clústeres, autoescalado y patrones de concurrencia de trabajos
• Listas de comprobación de implementación, estrategias de reversión y creación de libros de operaciones (runbooks)

Revisión final, transferencia de conocimientos y próximos pasos

• Presentaciones de los participantes del 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