Curso de Workshop de Migração no Databricks: De Procedimentos Armazenados ao Lakehouse (Intensivo de 5 Dias)

Introdução, Objetivos e Estratégia de Migração

• Objetivos do curso, alinhamento do perfil dos participantes e critérios de sucesso
• Aproximações de alto nível da migração e considerações de risco
• Configuração de workspaces, repositórios e conjuntos de dados para laboratório

Dia 1 — Fundamentos de Migração e Arquitetura

• Conceitos de Lakehouse, visão geral do Delta Lake e arquitetura do Databricks
• Diferenças entre SMP e MPP e implicações para a migração
• Design Medallion (Bronze→Silver→Gold) e visão geral do Unity Catalog

Laboratório Dia 1 — Traduzindo um Procedimento Armazenado

• Migração prática de um procedimento armazenado de exemplo para um notebook
• Mapeamento de tabelas temporárias e cursores para transformações em DataFrame
• Validação e comparação com a saída original

Dia 2 — Delta Lake Avançado & Carga Incremental

• Transações ACID, logs de commit, versionamento e time travel
• Auto Loader, padrões de MERGE INTO, upserts e evolução de esquema
• OPTIMIZE, VACUUM, Z-ORDER, particionamento e ajuste de armazenamento

Laboratório Dia 2 — Ingestão Incremental & Otimização

• Implementação de ingestão com Auto Loader e fluxos de MERGE
• Aplique OPTIMIZE, Z-ORDER e VACUUM; valide os resultados
• Meça as melhorias no desempenho de leitura/escrita

Dia 3 — SQL no Databricks, Desempenho & Depuração

• Recursos de SQL analítico: funções de janela, funções de ordem superior, tratamento de JSON/array
• Lendo a Spark UI, DAGs, shuffles, estágios, tarefas e diagnóstico de gargalos
• Padrões de ajuste de consultas: broadcast joins, dicas (hints), cache e redução de spill

Laboratório Dia 3 — Refatoração de SQL & Ajuste de Desempenho

• Refatore um processo pesado em SQL para Spark SQL otimizado
• Use os rastros da Spark UI para identificar e corrigir problemas de skew e shuffle
• Realize benchmarks antes/depois e documente as etapas de ajuste

Dia 4 — PySpark Tático: Substituindo Lógica Procedural

• Modelo de execução do Spark: driver, executores, avaliação preguiçosa (lazy evaluation) e estratégias de particionamento
• Transformando laços e cursores em operações vetorizadas de DataFrame
• Modularização, UDFs/UDFs pandas, widgets e bibliotecas reutilizáveis

Laboratório Dia 4 — Refatorando Scripts Procedurais

• Refatore um script ETL procedural para notebooks PySpark modulares
• Introduza parametrização, testes de estilo unitário e funções reutilizáveis
• Revisão de código e aplicação da lista de verificação de melhores práticas

Dia 5 — Orquestração, Pipeline de Ponta a Ponta & Melhores Práticas

• Databricks Workflows: design de jobs, dependências de tarefas, gatilhos e tratamento de erros
• Projetando pipelines Medallion incrementais com regras de qualidade e validação de esquema
• Integração com Git (GitHub/Azure DevOps), CI e estratégias de teste para lógica PySpark

Laboratório Dia 5 — Construindo um Pipeline Completo de Ponta a Ponta

• Monte um pipeline Bronze→Silver→Gold orquestrado com Workflows
• Implemente log, auditoria, retries e validações automatizadas
• Execute o pipeline completo, valide as saídas e prepare notas de implantação

Operacionalização, Governança e Prontidão para Produção

• Melhores práticas de governança do Unity Catalog, linhagem e controles de acesso
• Custo, dimensionamento de clusters, autoscaling e padrões de concorrência de jobs
• Listas de verificação de implantação, estratégias de rollback e criação de runbooks

Revisão Final, Transferência de Conhecimento e Próximos Passos

• Apresentações dos participantes sobre o trabalho de migração e lições aprendidas
• Análise de lacunas, atividades de acompanhamento recomendadas e entrega de materiais de treinamento
• Referências, caminhos de aprendizado adicionais e opções de suporte