Taller de Migración a Databricks: De Almacenes de Procedimientos a Lakehouse (Intensivo de 5 días)

Introducción, Objetivos y Estrategia de Migración

• Metas del curso, alineación del perfil de los participantes y criterios de éxito
• Enfoques generales de migración y consideraciones de riesgo
• Configuración de espacios de trabajo, repositorios y conjuntos de datos para las prácticas

Día 1 — Fundamentos de la Migración y Arquitectura

• Conceptos Lakehouse, descripción general de Delta Lake y arquitectura de Databricks
• Diferencias e implicaciones entre SMP (Shared-Processing-Memory) y MPP (Massively Parallel Processing) para la migración
• Diseño de Medallion (Bronce→Plata→Oro) y descripción general de Unity Catalog

Práctica del Día 1 — Traducción de un Procedimiento Almacenado

• Migración práctica de un procedimiento almacenado de ejemplo a un cuaderno (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 confirmación, versionado y viaje en el tiempo (time travel)
• Auto Loader, patrones MERGE INTO, actualizaciones simultáneas (upserts) y evolución del esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamiento y ajuste de almacenamiento

Práctica del Día 2 — Ingesta Incremental y Optimización

• Implementación de ingesta mediante 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

• Características de SQL analítico: funciones de ventana, funciones de orden superior y manejo de JSON/matrices
• Interpretación de la interfaz de Spark UI, DAGs, shuffles, etapas (stages), tareas y diagnóstico de cuellos de botella
• Patrones de ajuste de consultas: uniones por difusión (broadcast joins), indicaciones (hints), caché y reducción del desbordamiento a disco (spill)

Práctica del Día 3 — Refactorización de SQL y Ajuste de Rendimiento

• Refactorizar un proceso SQL pesado en Spark SQL optimizado
• Uso de los registros en Spark UI para identificar y corregir problemas de sesgo (skew) y shuffle
• Establecimiento de líneas base antes/después y documentación de los pasos de ajuste

Día 4 — PySpark Táctico: Reemplazo de Lógica Procedural

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

Práctica del Día 4 — Refactorización de Scripts Procedurales

• Refactorizar un script ETL procedural en cuadernos PySpark modulares
• Introducción de parametrización, pruebas unitarias estilo simple y funciones reutilizables
• Revisión del código y aplicación de la lista de verificación de mejores prácticas

Día 5 — Orquestación, Pipeline Completo y Mejores Prácticas

• Databricks Workflows: diseño de trabajos, dependencias de tareas, activadores 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

Práctica del Día 5 — Construcción de un Pipeline Completo de Extremo a Extremo

• Ensamblaje del pipeline Bronce→Plata→Oro orquestado con Workflows
• Implementación de registro (logging), auditoría, reintentos y validaciones automatizadas
• Ejecución del pipeline completo, validación de salidas y preparación de notas de implementación

Operacionalización, Gobernanza y Preparación para Producción

• Mejores prácticas de gobernanza, linaje y controles de acceso en Unity Catalog
• Costos, dimensionamiento de clústeres, escalado automático y patrones de concurrencia de trabajos
• Listas de verificación de implementación, estrategias de reversión (rollback) y creación de manuales de operación (runbooks)

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 del material de capacitación
• Referencias, rutas de aprendizaje continuo y opciones de soporte