Taller de Migración en 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 sobre riesgos
• Configuración de espacios de trabajo, repositorios y conjuntos de datos del laboratorio

Día 1 — Fundamentos de 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

Práctico del Día 1 — Traducción de un procedimiento almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un notebook
• Correspondencia de tablas temporales y cursores con transformaciones de DataFrame
• Validación y comparación con la salida original

Día 2 — Delta Lake avanzado y carga incremental

• Transacciones ACID, registros de confirmación, versionamiento y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, actualizaciones/inserciones (upserts) y evolución de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Práctico 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 Spark UI, DAGs, mezclas (shuffles), etapas, tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones de difusión (broadcast joins), indicios (hints), caché y reducción de desbordamiento (spill)

Práctico del Día 3 — Reestructuración de SQL y ajuste de rendimiento

• Reestructuración de un proceso SQL pesado en Spark SQL optimizado
• Uso de trazas de Spark UI para identificar y corregir problemas de desbalance (skew) y mezcla (shuffle)
• Comparación de rendimiento 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, evaluación perezosa y estrategias de particionamiento
• Transformación de bucles y cursores en operaciones vectorizadas de DataFrame
• Modularización, UDFs/pandas UDFs, widgets y bibliotecas reutilizables

Práctico del Día 4 — Reestructuración de scripts procedurales

• Reestructuración de un script ETL procedural en notebooks de PySpark modulares
• Introducción a la parametrización, pruebas de tipo unidad y funciones reutilizables
• Revisión de código y aplicación de la lista de verificación de mejores prácticas

Día 5 — Orquestación, flujo de trabajo de extremo a extremo y mejores prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, desencadenantes y manejo de errores
• Diseño de flujos Medallion incrementales con reglas de calidad y validación de esquema
• Integración con Git (GitHub/Azure DevOps), integración continua (CI) y estrategias de pruebas para lógica de PySpark

Práctico del Día 5 — Construcción de un flujo de trabajo completo de extremo a extremo

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

Operacionalización, gobernanza y preparación para producción

• Mejores prácticas de gobernanza, linaje y controles de acceso de Unity Catalog
• 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 operaciones (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 capacitación
• Referencias, rutas de aprendizaje adicionales y opciones de soporte