Nuestro Blog
Recursos + Insights
Explore ideas y consejos prácticos para dominar la plataforma Databricks Data Intelligence y todo el abanico del ecosistema moderno de datos.
Cómo Migrar Databricks de GCP a Azure o AWS
Guía técnica completa sobre cómo migrar entornos Databricks entre diferentes proveedores cloud (GCP, Azure y AWS). Aprende a utilizar Databricks Terraform Resource Exporter para automatizar la migración de workspaces, clusters y jobs, consideraciones para la transferencia de datos, y estrategias para manejar Delta Live Tables, MLflow y configuraciones de seguridad. Ideal para equipos que buscan optimizar costos o implementar estrategias multi-cloud manteniendo sus capacidades analíticas.
Rendimiento, Benchmarks y Consejos de Optimización para Usuarios de Databricks
Insights exclusivos sobre optimización de rendimiento en Databricks por Josue Bogran y Jeremy Lewallen. Descubre estrategias clave para reducir costos de almacenamiento con Liquid Clustering, mejores prácticas para dimensionar correctamente SQL Serverless Compute, y cómo aprovechar las últimas mejoras del Databricks Runtime. Incluye recomendaciones prácticas para aumentar la velocidad de workloads de BI, ETL y análisis exploratorio, con un enfoque en el equilibrio entre rendimiento y experiencia de desarrollo.
Asignación de costos, etiquetas en la nube y otros temas relevantes en Databricks
Entrevista con Greg Kroleski del "Money Team" de Databricks sobre estrategias de asignación de costos y uso efectivo de cloud tags. Descubre las mejoras en informes de costos para 2024, cómo implementar tags eficientemente, y las nuevas capacidades de AI/BI Genie para control de gastos. Serie en tres partes que explora herramientas de prevención de errores costosos y buenas prácticas de FinOps para optimizar tu inversión en Databricks.
¿Por qué nadie migra de Databricks a Snowflake?
Análisis profundo sobre la tendencia creciente de migración de Snowflake a Databricks en el mercado tecnológico. Descubre por qué pocas empresas migran en dirección contraria, comparando factores clave como escalabilidad de costos, capacidades de Data Science e IA, y evolución de ambas plataformas. Incluye escenarios de uso reales y estrategias para optimizar tus inversiones en plataformas de datos, ya sea utilizando ambas soluciones de forma complementaria o realizando una migración completa.