Databricks-Migrations-Workshop: Von gespeicherten Prozeduren zum Lakehouse (5-tägige Intensivierung) Schulung

Einführung, Ziele und Migrationsstrategie

• Kursziele, Ausrichtung des Teilnehmerprofils und Erfolgskriterien
• Übergreifende Migrationsansätze und Risikobetrachtungen
• Einrichtung von Workspaces, Repositories und Labordatensätzen

Tag 1 — Grundlagen der Migration und Architektur

• Lakehouse-Konzepte, Überblick über Delta Lake und Databricks-Architektur
• Unterschiede zwischen SMP und MPP sowie Auswirkungen auf die Migration
• Medallion-Design (Bronze→Silver→Gold) und Überblick über Unity Catalog

Tag 1 Labor — Überführung einer gespeicherten Prozedur

• Praktische Migration einer Beispiel-gespeicherten Prozedur in ein Notebook
• Zuordnung von Temp-Tabellen und Cursoren zu DataFrame-Transformationen
• Validierung und Vergleich mit der ursprünglichen Ausgabe

Tag 2 — Fortgeschrittenes Delta Lake & inkrementelle Laden

• ACID-Transaktionen, Commit-Logs, Versionierung und Time Travel
• Auto Loader, MERGE INTO-Muster, Upserts und Schema-Evolution
• OPTIMIZE, VACUUM, Z-ORDER, Partitionierung und Storage-Tuning

Tag 2 Labor — Inkrementelle Ingestion & Optimierung

• Implementierung der Ingestion mit Auto Loader und MERGE-Workflows
• Anwendung von OPTIMIZE, Z-ORDER und VACUUM; Validierung der Ergebnisse
• Messung der Verbesserungen bei der Lese-/Schreibperformance

Tag 3 — SQL in Databricks, Performance & Fehlersuche

• Analytische SQL-Funktionen: Window Functions, Higher-Order Functions, JSON-/Array-Behandlung
• Lesen des Spark UI, DAGs, Shuffles, Stages, Tasks und Diagnose von Engpässen
• Muster zur Abfrageoptimierung: Broadcast Joins, Hints, Caching und Reduzierung von Spill

Tag 3 Labor — SQL-Refactoring & Performance-Tuning

• Refactoring eines aufwendigen SQL-Prozesses in optimiertes Spark SQL
• Nutzung von Spark UI-Trace zur Identifizierung und Behebung von Skew- und Shuffle-Problemen
• Benchmarking vor/nachher und Dokumentation der Tuning-Schritte

Tag 4 — Taktisches PySpark: Ersetzen prozeduraler Logik

• Spark-Ausführungsmodell: Driver, Executors, lazy evaluation und Partitionierungsstrategien
• Transformation von Schleifen und Cursoren in vektorisierte DataFrame-Operationen
• Modularisierung, UDFs/pandas UDFs, Widgets und wiederverwendbare Bibliotheken

Tag 4 Labor — Refactoring prozeduraler Skripte

• Refactoring eines prozeduralen ETL-Skripts in modulare PySpark-Notebooks
• Einführung von Parametrisierung, unit-stilisierten Tests und wiederverwendbaren Funktionen
• Code-Review und Anwendung einer Best-Practice-Checkliste

Tag 5 — Orchestrierung, End-to-End-Pipeline & Best Practices

• Databricks Workflows: Job-Design, Task-Abhängigkeiten, Trigger und Fehlerbehandlung
• Design inkrementeller Medallion-Pipelines mit Qualitätsregeln und Schema-Validierung
• Integration mit Git (GitHub/Azure DevOps), CI und Teststrategien für PySpark-Logik

Tag 5 Labor — Aufbau einer vollständigen End-to-End-Pipeline

• Zusammenbau einer Bronze→Silver→Gold-Pipeline, orchestriert mit Workflows
• Implementierung von Logging, Auditing, Retries und automatisierten Validierungen
• Ausführen der gesamten Pipeline, Validierung der Ausgaben und Vorbereitung von Deployment-Notizen

Operationalisierung, Governance und Produktionsreife

• Unity Catalog Governance, Lineage und Best Practices für Zugriffssteuerungen
• Kosten, Clustervergrösserung, Autoscaling und Job-Konkurrenz-Muster
• Deployment-Checklisten, Rollback-Strategien und Erstellung von Runbooks

Abschlussbesprechung, Wissensvermittlung und nächste Schritte

• Präsentationen der Teilnehmer zu Migrationsarbeiten und gelernten Lektionen
• Lückenanalyse, empfohlene Folgetätigkeiten und Übergabe von Schulungsmaterialien
• Referenzen, weitere Lernpfade und Support-Optionen