Databricks-Migrations-Workshop: Von gespeicherten Prozeduren zum Lakehouse (5-Tage-Intensivkurs) Schulung

Einführung, Ziele und Migrationsstrategie

• Kursziele, Alignment mit dem Teilnehmerprofil und Erfolgskriterien
• Übersichtliche Migrationsansätze und Risikobewertung
• Einrichtung von Workspaces, Repositories und Lab-Datensätzen

Tag 1 — Migrationsgrundlagen und Architektur

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

Tag 1 Lab — Übertragung einer gespeicherten Prozedur

• Praktische Migration einer Beispielspeichervorgabe in ein Notebook
• Zuordnung von Temp-Tabellen und Cursoren zu DataFrame-Transformationen
• Validierung und Vergleich mit der Originalausgabe

Tag 2 — Fortgeschrittenes Delta Lake & inkrementelles 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 Lab — Inkrementelle Ingestion & Optimierung

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

Tag 3 — SQL in Databricks, Performance & Debugging

• Analytische SQL-Funktionen: Fensterfunktionen, Higher-Order-Funktionen, JSON-/Array-Verarbeitung
• Lesen der Spark UI, DAGs, Shuffles, Stages, Tasks und Diagnose von Engpässen
• Muster zur Query-Optimierung: Broadcast Joins, Hints, Caching und Reduzierung von Spills

Tag 3 Lab — SQL-Refactoring & Performance-Tuning

• Refactoring eines aufwändigen SQL-Prozesses in optimiertes Spark SQL
• Nutzung von Spark UI-Traces zur Identifizierung und Behebung von Skew- und Shuffle-Problemen
• Benchmarking vor und nach der Optimierung 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 Lab — 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 Lab — Aufbau einer vollständigen End-to-End-Pipeline

• Zusammensetzen einer Bronze→Silver→Gold-Pipeline, orchestriert mit Workflows
• Implementierung von Logging, Auditing, Retries und automatisierten Validierungen
• Ausführung der gesamten Pipeline, Validierung der Ausgaben und Vorbereitung von Deploymentsnotizen

Operationalisierung, Governance und Produktionsreife

• Unity Catalog Governance, Lineage und Best Practices für Zugriffskontrollen
• Kosten, Cluster-Sizing, Autoscaling und Job-Konkurrenzmuster
• Deployments-Checklisten, Rollback-Strategien und Erstellung von Runbooks

Finale Überprüfung, Wissenstransfer und nächste Schritte

• Präsentationen der Teilnehmer zu Migrationsarbeiten und gewonnenen Erkenntnissen
• Lückenanalyse, empfohlene Folgemaßnahmen und Übergabe des Schulungsmaterials
• Referenzen, weiterführende Lernpfade und Support-Optionen