Javi Builds Data • AI • Cloud Engineering

Guías rápidas

Respuestas rápidas para problemas reales de ingeniería.

Referencias prácticas para la resolución de problemas, la implementación y la ingeniería de producción con SQL Server, Python, Microsoft Fabric, PySpark, Git, APIs, Ingeniería de datos e Ingeniería de IA para datos.

62 guías disponibles en inglés

Guías rápidas
62
Tecnologías
8

Explorar por tecnología

Empieza por el problema

¿No sabes qué tecnología abrir? Elige la situación en la que estás.

Todas las guías rápidas

Busca en todo el sitio con Ctrl + K; el cuadro de abajo solo filtra esta lista.

SQL Server 15

  • Solución de problemasIntermedio

    Actividad por login, host y aplicación en SQL Server

    Agrupa la actividad de SQL Server por login, host, aplicación y base de datos para identificar qué cliente o carga de trabajo está generando conexiones, solicitudes, consumo de CPU, lecturas o bloqueos.

  • Almacenamiento y capacidadIntermedio

    Comprobar el tamaño de las tablas de SQL Server

    Mide el número de filas y el almacenamiento de las tablas de SQL Server, separa el espacio de datos del de índices e identifica qué tablas impulsan el crecimiento de la base de datos.

  • IndexaciónIntermedio

    Comprobar el uso de índices

    Revisa la actividad de lectura y escritura de los índices de SQL Server, identifica los índices de poco valor y decide cuáles merecen un análisis más profundo antes de eliminar ninguno.

  • Solución de problemasIntermedio

    Encontrar bloqueos en SQL Server

    Identifica sesiones bloqueadas, bloqueadores, esperas de lock y el bloqueador principal para diagnosticar bloqueos en SQL Server sin terminar la sesión equivocada.

  • RendimientoIntermedio

    Encontrar consultas con alto consumo de CPU

    Identifica las consultas de SQL Server que más CPU consumen ahora y en el historial, distingue el CPU total del CPU por ejecución y elige el siguiente paso de optimización adecuado.

  • RendimientoIntermedio

    Encontrar consultas con muchas lecturas

    Identifica las consultas de SQL Server que realizan más lecturas lógicas y físicas, distingue la carga de trabajo dominada por lecturas de la dominada por CPU y elige el siguiente paso de optimización adecuado.

  • RendimientoIntermedio

    Encontrar consultas de larga duración

    Identifica las solicitudes de larga duración y las consultas lentas históricas en SQL Server, separa el tiempo transcurrido del tiempo de CPU y determina si el retraso se debe a esperas, bloqueos, lecturas o una regresión del plan.

  • RendimientoIntermedio

    Encontrar el uso de procedimientos almacenados

    Encuentra los procedimientos almacenados ejecutados recientemente, compara su número de ejecuciones y su consumo de recursos, y entiende los límites de las estadísticas de la caché de procedimientos de SQL Server.

  • IndexaciónIntermedio

    Encontrar índices faltantes

    Usa las DMV de índices faltantes de SQL Server como señal de priorización, ordena los candidatos según su impacto estimado y valida cada recomendación antes de crear un índice.

  • Solución de problemasIntermedio

    Encontrar transacciones abiertas

    Identifica las transacciones abiertas, encuentra las sesiones que las mantienen, mide su antigüedad y relaciona las transacciones de larga duración con bloqueos, el crecimiento del log y el comportamiento de la aplicación.

  • Solución de problemasIntermedio

    Inspeccionar una sesión de SQL Server

    Inspecciona en detalle una sesión de SQL Server: estado de la solicitud, esperas, contexto transaccional, metadatos del cliente, texto SQL y handles del plan de ejecución.

  • RendimientoIntermedio

    Referencia rápida de Query Store

    Usa Query Store de SQL Server para encontrar regresiones, comparar planes, analizar el historial de ejecución, forzar planes o deshacer su forzado con seguridad, y entender cuándo los datos de Query Store pueden llevarte a conclusiones equivocadas.

  • RendimientoIntermedio

    Tipos de espera de SQL Server

    Usa las estadísticas de espera de SQL Server para identificar en qué se está yendo el tiempo, distinguir las esperas actuales de las acumuladas y elegir la siguiente investigación de rendimiento.

  • Solución de problemasIntermedio

    Ver qué se está ejecutando en SQL Server

    Identifica rápidamente las solicitudes activas de SQL Server: qué ejecutan, cuánto tiempo llevan en ejecución, qué recursos consumen y si están en espera o bloqueadas.

Python 10

  • Análisis de datosIntermedio

    Combinar DataFrames con merge y join

    Combina DataFrames de pandas de forma segura validando claves, cardinalidad, comportamiento de los nulos, multiplicación por duplicados y cambios en el número de filas antes de confiar en el resultado.

  • Solución de problemasIntermedio

    Depurar problemas comunes de pandas

    Diagnostica fallos comunes de pandas relacionados con dtypes, valores faltantes, joins, asignación encadenada, datos duplicados, errores de fechas, presión de memoria y cambios inesperados en el número de filas.

  • Análisis de datosPrincipiante

    Filtrar filas en pandas

    Filtra filas de un DataFrame de pandas de forma segura y clara con máscaras booleanas, condiciones múltiples, pruebas de pertenencia, filtros de texto y fechas, comprobaciones de nulos y expresiones query.

  • Limpieza de datosIntermedio

    Gestionar valores faltantes en pandas

    Inspecciona, filtra, rellena, elimina y valida valores faltantes en pandas sin cambiar silenciosamente el significado ni el dtype de los datos de producción.

  • Análisis de datosIntermedio

    GroupBy y agregaciones en pandas

    Agrupa datos de pandas por claves de negocio, calcula agregaciones fiables, conserva el contexto de cada fila con transform y evita los errores comunes con nulos, duplicados y lógicas de agregación mezcladas.

  • Análisis de datosPrincipiante

    Inspeccionar un DataFrame de pandas

    Inspecciona un DataFrame de pandas de forma rápida y segura para entender su forma, columnas, tipos de datos, nulos, duplicados, distribuciones y valores sospechosos antes de transformar los datos.

  • Lectura y escritura de datosIntermedio

    Leer y escribir archivos CSV, Parquet y JSON

    Lee y escribe archivos CSV, Parquet y JSON con pandas controlando el esquema, las fechas, los nulos, la compresión, la codificación y un comportamiento de archivos seguro en producción.

  • Limpieza de datosIntermedio

    Ordenar, clasificar y deduplicar datos

    Ordena, clasifica y deduplica datos de pandas de forma segura definiendo un orden determinista, claves de negocio, el tratamiento de los empates y la fila exacta que debe conservarse.

  • Limpieza de datosIntermedio

    Tipos de datos y conversiones en pandas

    Inspecciona y convierte tipos de datos de pandas de forma segura, conserva la nulabilidad, detecta conversiones fallidas y evita cambios silenciosos de esquema en pipelines de datos de producción.

  • Análisis de datosIntermedio

    Trabajar con fechas y marcas de tiempo

    Analiza, compara, filtra, normaliza, localiza, convierte, agrupa y valida fechas y marcas de tiempo en pandas sin introducir errores de zona horaria ni de límites.

Microsoft Fabric 9

  • ArquitecturaIntermedio

    Arquitectura Medallion en Fabric

    Diseña una arquitectura Bronze, Silver y Gold práctica en Microsoft Fabric, con contratos de datos claros, capacidad de reprocesamiento, procesamiento incremental, controles de calidad y responsabilidades de publicación bien definidas.

  • Solución de problemasIntermedio

    Depurar pipelines de Fabric

    Diagnostica los fallos de pipelines de Microsoft Fabric aislando la actividad que falló, separando los errores transitorios de los deterministas, validando parámetros e identidades, y usando reintentos, registro y re-ejecuciones controladas de forma segura.

  • Query LanguageIntermedioContenido en inglés

    KQL for Microsoft Fabric Cheat Sheet

    The Kusto Query Language (KQL) a Microsoft Fabric data engineer uses most in Eventhouse and KQL querysets: filter, shape, sort, summarize, time windows with bin(), joins, nulls and dynamic fields, with a SQL-to-KQL mapping and seven practice exercises.

  • ArquitecturaIntermedio

    Lakehouse o Warehouse

    Elige entre Lakehouse y Warehouse en Microsoft Fabric comparando el modelo de desarrollo, los tipos de datos, las capacidades SQL, las transacciones, los patrones de ingesta y los requisitos analíticos posteriores.

  • Administration & ConfigurationIntermedioContenido en inglés

    Microsoft Fabric Workspace Settings Cheat Sheet

    The Microsoft Fabric workspace settings that change how a data engineering workspace behaves: Spark pools, environments and jobs, domain assignment, OneLake shortcut caching and diagnostics, and data workflow (Apache Airflow job) runtime pools, with what to verify for each.

  • Monitorización y observabilidadIntermedio

    Monitorear pipelines y notebooks de Fabric

    Monitorea pipelines y notebooks de Microsoft Fabric con Monitoring hub, Workspace Monitoring, el monitoreo de Spark, KQL, alertas y telemetría de capacidad para que los errores y las regresiones de rendimiento sean observables.

  • Ingeniería de datosIntermedio

    Patrones de lectura y escritura en Delta Lake

    Lee y escribe tablas Delta en Microsoft Fabric de forma segura con append, overwrite, MERGE, particionamiento, control del esquema, patrones preparados para la concurrencia y mantenimiento de tablas.

  • RendimientoIntermedio

    Rendimiento de los notebooks de Fabric

    Diagnostica y mejora el rendimiento de los notebooks de Microsoft Fabric separando los cuellos de botella del inicio de la sesión Spark, la lectura de datos, el shuffle, el skew, la presión sobre el driver, la concurrencia y la escritura.

  • RendimientoIntermedio

    Session tags en Fabric

    Usa los session tags de Microsoft Fabric para reutilizar sesiones Spark compatibles entre actividades de notebook, reducir el tiempo de inicio y evitar una fragmentación innecesaria de sesiones.

PySpark 6

  • Transformación de datosIntermedio

    Funciones de ventana en PySpark

    Usa las funciones de ventana de PySpark de forma segura para clasificar, seleccionar la fila más reciente, calcular totales acumulados, analizar con lag/lead y hacer cálculos por partición sin reducir la granularidad del DataFrame.

  • Transformación de datosIntermedio

    GroupBy y agregaciones en PySpark

    Agrega DataFrames de PySpark de forma segura definiendo la granularidad de salida, gestionando las claves de agrupación nulas, eligiendo las funciones de agregación correctas, validando los totales y controlando las cargas de trabajo de groupBy con mucho shuffle.

  • Transformación de datosIntermedio

    Joins de DataFrames en PySpark

    Haz joins de DataFrames de PySpark de forma segura validando la cardinalidad de las claves, eligiendo el tipo y la estrategia de join adecuados, evitando la multiplicación de filas y gestionando el skew, los nulos y las columnas ambiguas.

  • Ingeniería de datosIntermedio

    Leer y escribir tablas Delta

    Lee y escribe tablas Delta con PySpark usando patrones seguros de append, overwrite, merge, evolución del esquema, particionamiento y mantenimiento para pipelines de datos en producción.

  • RendimientoIntermedio

    Referencia rápida de rendimiento de PySpark

    Diagnostica y optimiza cargas de trabajo de PySpark separando los problemas de lectura, shuffle, skew, particionamiento, caché, joins, presión sobre el driver y diseño de archivos antes de cambiar el tamaño del clúster.

  • Transformación de datosIntermedio

    Seleccionar y filtrar DataFrames

    Selecciona, proyecta, filtra y valida DataFrames de PySpark de forma eficiente evitando columnas ambiguas, errores en la lógica de nulos, lecturas innecesarias y el filtrado en el driver.

Git 6

  • Control de versionesPrincipiante

    Comandos de Git para el día a día

    Usa los comandos de Git que los ingenieros necesitan con más frecuencia para inspeccionar cambios, crear commits, sincronizar ramas, revisar el historial y recuperarte de errores locales comunes.

  • Control de versionesIntermedio

    Deshacer cambios de forma segura

    Deshaz cambios en Git de forma segura eligiendo el comando adecuado para cambios sin preparar, cambios preparados, commits locales o historial compartido, sin destruir trabajo por accidente.

  • Control de versionesIntermedio

    Git stash: guardar cambios temporalmente

    Usa git stash de forma segura para apartar trabajo sin terminar, cambiar de contexto, inspeccionar y restaurar cambios guardados, gestionar archivos sin seguimiento y recuperarte cuando aplicar un stash genera conflictos.

  • Control de versionesIntermedio

    Ramas y merge

    Crea, actualiza, compara, integra con merge y limpia ramas de Git de forma segura, preservando el historial compartido y evitando divergencias accidentales o resoluciones de conflictos destructivas.

  • Control de versionesIntermedio

    Referencia rápida de rebase

    Haz rebase de ramas de Git de forma segura para reaplicar commits locales sobre una nueva base, resolver conflictos con criterio, limpiar el historial privado y recuperarte cuando un rebase sale mal.

  • Control de versionesIntermedio

    Resolver conflictos de merge

    Resuelve conflictos de merge en Git de forma segura identificando la operación en curso, entendiendo ours y theirs, revisando el resultado combinado que buscas y completando o abortando el merge sin perder trabajo.

APIs 5

  • Diseño HTTP y de APIsIntermedio

    Códigos de estado HTTP para desarrolladores

    Interpreta y usa correctamente los códigos de estado HTTP al construir y diagnosticar APIs, con orientación práctica sobre éxitos, redirecciones, errores del cliente, errores del servidor, reintentos y decisiones de diseño de APIs.

  • Solución de problemasIntermedio

    Diagnosticar solicitudes de API

    Diagnostica solicitudes de API que fallan o son lentas aislando DNS, TLS, autenticación, enrutamiento, límites de tasa, payloads, gateways, errores de la aplicación, reintentos y dependencias downstream.

  • SeguridadIntermedio

    Patrones de autenticación de API

    Elige e implementa la autenticación de APIs de forma segura entendiendo las claves de API, la autenticación Basic, los tokens Bearer, OAuth 2.0, los JWT, las identidades de servicio, mTLS, la vida útil de los tokens y los fallos habituales en producción.

  • Diseño de APIsIntermedio

    Patrones de paginación de API

    Diseña y consume APIs paginadas de forma segura con los patrones de offset, número de página, cursor, keyset y token de continuación, con un orden claro, un recorrido estable y un comportamiento del cliente seguro en producción.

  • Pruebas HTTP y de APIsIntermedio

    Referencia rápida de cURL

    Usa cURL para probar y diagnosticar APIs HTTP con patrones prácticos para métodos, encabezados, autenticación, cuerpos JSON, archivos, redirecciones, tiempos de espera, reintentos, inspección de respuestas y diagnóstico seguro en producción.

Ingeniería de datos 6

  • Calidad de datosIntermedio

    Controles de calidad de datos

    Crea controles de calidad de datos prácticos para esquema, completitud, unicidad, validez, integridad referencial, frescura, conciliación y deriva de pipelines sin depender de umbrales universales arbitrarios.

  • Almacenamiento y formatos de archivoIntermedio

    CSV, JSON, Parquet o Delta

    Elige entre CSV, JSON, Parquet y Delta según el esquema, el rendimiento analítico, la mutabilidad, la interoperabilidad, la fiabilidad y los requisitos de un data lake en producción.

  • Almacenamiento y rendimientoIntermedio

    Estrategias de particionamiento

    Elige y valida estrategias de particionamiento de datos que mejoren la poda, el paralelismo, el mantenimiento y el costo sin crear skew, archivos diminutos ni organizaciones de alta cardinalidad.

  • Integración de datosIntermedio

    Patrones de carga incremental

    Diseña cargas incrementales seguras con watermarks, CDC, high-water marks, MERGE, escrituras idempotentes, gestión de datos tardíos y checkpoints reproducibles, sin omitir ni duplicar datos.

  • ArquitecturaIntermedio

    Procesamiento batch vs streaming

    Elige entre procesamiento de datos batch y streaming comparando latencia, corrección, complejidad operativa, costo, reproducción, estado y recuperación ante fallos en cargas de trabajo de producción reales.

  • ArquitecturaIntermedio

    Referencia rápida de la arquitectura Medallion

    Diseña capas de datos Bronze, Silver y Gold con una propiedad clara, capacidad de reprocesamiento, controles de calidad, procesamiento incremental y contratos de publicación, sin convertir la arquitectura Medallion en una rígida convención de nombres de carpetas.

Ingeniería de IA para datos 5

  • Gestión de costosIntermedio

    Costo de LLM y presupuesto de tokens

    Estima y controla el costo de una carga de trabajo con LLM con fórmulas simples por solicitud, por día y por mes, presupuestos de tokens, niveles de modelo, caché, procesamiento batch y monitorización.

  • Selección de modelosPrincipiante

    Elegir el modelo de IA adecuado

    Un método práctico para elegir un modelo de IA para aplicaciones de datos: cuándo no usar un LLM, qué criterios importan, un árbol de decisión y cómo evaluar candidatos por calidad, latencia y costo por tarea completada.

  • Ingeniería de contextoAvanzado

    Ingeniería de contexto para LLM

    Decide qué enviar a un LLM y en qué orden: modelo de prioridad del contexto, presupuestos de tokens por sección, poda, resumen del historial, límites de recuperación, contexto obsoleto o contradictorio y compromisos del contexto largo.

  • Optimización de tokensIntermedio

    Optimización de tokens en LLM

    Reduce el consumo de tokens de un LLM en aplicaciones de datos sin perder el contexto ni la calidad que necesitas: mide primero, recorta prompts e historial, limita la recuperación, compacta la salida, usa caché y enruta.

  • Diseño de promptsIntermedio

    Patrones de prompts para ingeniería de datos

    Patrones de prompts reutilizables para ingeniería de datos: generación de SQL, interpretación de esquemas, mapeo de columnas, reglas de calidad y análisis de incidentes, con salida estructurada, supuestos explícitos y validación.