[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"article-data-curso-gcp-bigquery-02":3},{"content":4,"date":5,"image":6,"sideArticles":7},"\u003C!DOCTYPE html>\r\n\u003Chtml lang=\"es\">\r\n\u003Chead>\r\n    \u003Cmeta charset=\"UTF-8\">\r\n    \u003Cmeta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\r\n    \u003Ctitle>Laboratorio 2: Ingesta de Datos en Batch (GCS a BigQuery)\u003C/title>\r\n    \u003Cstyle>\r\n        h1,\r\n        h2,\r\n        h3 {\r\n            color: #333;\r\n        }\r\n\r\n        ul {\r\n            list-style-type: disc;\r\n            margin-left: 20px;\r\n        }\r\n\r\n        code {\r\n            background-color: #f4f4f4;\r\n            padding: 2px 5px;\r\n            border-radius: 3px;\r\n            font-family: monospace;\r\n        }\r\n    \u003C/style>\r\n\u003C/head>\r\n\u003Cbody>\r\n\r\n    \u003Ch1>Laboratorio 2: Ingesta de Datos en Batch (GCS a BigQuery)\u003C/h1>\r\n\r\n    \u003Ch2>Objetivos del Laboratorio\u003C/h2>\r\n    \u003Cul>\r\n        \u003Cli>Establecer una arquitectura de lago de datos centralizado (landing zone) en Google Cloud Storage.\u003C/li>\r\n        \u003Cli>Aprender a formatear correctamente archivos estructurados en formato CSV y JSON delimitado por líneas (NDJSON).\u003C/li>\r\n        \u003Cli>Garantizar la calidad e integridad del almacén analítico mediante la definición estricta de esquemas físicos en formato JSON.\u003C/li>\r\n        \u003Cli>Automatizar la ingesta por lotes (batch ingestion) a tablas nativas de BigQuery utilizando herramientas de línea de comandos.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Herramientas y APIs Utilizadas\u003C/h2>\r\n    \u003Cul>\r\n        \u003Cli>\u003Ccode>gcloud storage\u003C/code>: Utilidad moderna de línea de comandos para la administración y transferencia de objetos en GCS.\u003C/li>\r\n        \u003Cli>\u003Ccode>bq CLI\u003C/code>: Cliente oficial para el envío de trabajos de carga (load jobs), consultas y manipulación de metadatos de BigQuery.\u003C/li>\r\n        \u003Cli>\u003Ccode>Cloud Storage API\u003C/code>: Interfaz de programación que habilita el almacenamiento de objetos de gran volumen en GCP.\u003C/li>\r\n        \u003Cli>\u003Ccode>BigQuery API\u003C/code>: Servicio que administra y procesa las tareas de ingesta física de datos.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Estructura del Código Desarrollado\u003C/h2>\r\n    \u003Cul>\r\n        \u003Cli>\u003Ccode>ecommerce_users.csv\u003C/code>: Datos planos estructurados con delimitadores por comas que contienen la cabecera e información de clientes.\u003C/li>\r\n        \u003Cli>\u003Ccode>products.json\u003C/code>: Archivo en formato NDJSON que simula un catálogo de productos con un objeto plano estructurado por línea física.\u003C/li>\r\n        \u003Cli>\u003Ccode>ecommerce_users_schema.json\u003C/code>: Esquema explícito que asocia nombres de columnas, tipos físicos y mandatoriedad (modo) para la tabla de usuarios.\u003C/li>\r\n        \u003Cli>\u003Ccode>main.tf\u003C/code>: Declaración de Terraform que despliega el dataset \u003Ccode>lab02_dataset\u003C/code> y el bucket de almacenamiento seguro.\u003C/li>\r\n        \u003Cli>\u003Ccode>02_verify_batch_data.sql\u003C/code>: Consulta de validación para certificar la consistencia del tipo de datos posterior a la carga física.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Paso a Paso del Despliegue\u003C/h2>\r\n\r\n    \u003Ch3>Fase 1: Preparación de Datos y Esquemas\u003C/h3>\r\n    \u003Cul>\r\n        \u003Cli>Creación de los datos planos de usuarios y estructuración del archivo de productos respetando el diseño obligatorio de una sola línea de texto por registro JSON.\u003C/li>\r\n        \u003Cli>Estructuración manual del esquema JSON de clientes declarando tipos estrictos como \u003Ccode>INTEGER\u003C/code> y \u003Ccode>DATE\u003C/code> para prevenir fallos silenciosos.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch3>Fase 2: Infraestructura con Terraform\u003C/h3>\r\n    \u003Cul>\r\n        \u003Cli>Declaración del recurso \u003Ccode>google_storage_bucket\u003C/code> con la opción \u003Ccode>force_destroy\u003C/code> activada para permitir limpiezas en entornos de prueba.\u003C/li>\r\n        \u003Cli>Definición de un bloque \u003Ccode>lifecycle_rule\u003C/code> de borrado automático tras un día para controlar y evitar acumulación de costes residuales en almacenamiento.\u003C/li>\r\n        \u003Cli>Inicialización, planificación y despliegue físico del bucket de almacenamiento y del dataset mediante \u003Ccode>terraform apply\u003C/code>.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch3>Fase 3: Transferencia e Ingesta Física\u003C/h3>\r\n    \u003Cul>\r\n        \u003Cli>Copia y transferencia de los datos locales a la ruta remota del bucket utilizando la instrucción \u003Ccode>gcloud storage cp\u003C/code>.\u003C/li>\r\n        \u003Cli>Lanzamiento del comando de ingesta de usuarios mapeando el esquema estructurado y omitiendo la cabecera mediante \u003Ccode>--skip_leading_rows=1\u003C/code>.\u003C/li>\r\n        \u003Cli>Lanzamiento del comando de ingesta de productos activando la inferencia de tipos con la directiva de seguridad de tipos \u003Ccode>--autodetect\u003C/code>.\u003C/li>\r\n        \u003Cli>Ejecución e inspección de los metadatos y de los datos importados mediante consultas de verificación agregadas en BigQuery.\u003C/li>\r\n    \u003C/ul>\r\n\r\n\u003C/body>\r\n\u003C/html>","July 9, 2026","https://storage.googleapis.com/mp-blog/images/curso-gcp-bigquery-02.jpg",[8,14,19,24],{"id":9,"title":10,"description":11,"image":12,"date":13},"curso-gcp-ai-ops-01","Fundamentos de AIOps en Google Cloud | Curso AIOps con Vertex AI","Módulo 1: Fundamentos de AIOps en Google Cloud. Aprende la transición de ITOps a operaciones inteligentes y cómo preparar tu infraestructura base con Terraform.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-01.jpg","May 28, 2026",{"id":15,"title":16,"description":17,"image":18,"date":13},"curso-gcp-ai-ops-02","Vertex AI para AIOps: AutoML y Despliegue | Curso AIOps","Módulo 2: Gestión de modelos con Vertex AI para AIOps. Aprende a utilizar AutoML, gestionar datasets tabulares y desplegar endpoints de predicción.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-02.jpg",{"id":20,"title":21,"description":22,"image":23,"date":13},"curso-gcp-ai-ops-03","Observabilidad Inteligente en GCP | Curso AIOps","Módulo 3: Observabilidad Inteligente en GCP. Configuración de Cloud Monitoring, Cloud Logging y creación de dashboards predictivos correlacionados con BigQuery.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-03.jpg",{"id":25,"title":26,"description":27,"image":28,"date":13},"curso-gcp-ai-ops-04","Automatización Operativa y Remediación | Curso AIOps","Módulo 4: Automatización Operativa en AIOps. Aprende a crear arquitecturas dirigidas por eventos con Cloud Functions y Pub/Sub para la remediación automática.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-04.jpg",1783609807853]