09 · Guion de la sesión (2 h 30 – 3 h)¶

Para el profesor

Orden pensado para que cada módulo produzca un resultado visible antes de pasar al siguiente. Volver al 00 - Índice de la demo.

Agenda¶

gantt
    title Taller DuckDB 2.0 (minutos)
    dateFormat HH:mm
    axisFormat %H:%M
    section Bloque 1 · contexto
    Bienvenida y entorno        :a1, 09:00, 10m
    01 Panorama 2.0             :a2, after a1, 15m
    section Bloque 2 · local
    02 SQL                      :b1, after a2, 20m
    03 Polars                   :b2, after b1, 20m
    Pausa                       :crit, b3, after b2, 10m
    section Bloque 3 · ficheros
    04 CSV y JSON               :c1, after b3, 15m
    05 Parquet y Hive           :c2, after c1, 20m
    section Bloque 4 · remoto
    06 MySQL / MariaDB          :d1, after c2, 20m
    07 Quack                    :d2, after d1, 15m
    section Cierre
    08 VARIANT                  :e1, after d2, 10m
    Ejercicios y dudas          :e2, after e1, 15m

Bloque	Contenido	Min	Señal de que ha funcionado
1	Panorama y entorno	25	Todos ven `2.0.0` en pantalla
2	SQL + Polars	40	Tabla agregada creada en ambos motores
3	CSV/JSON/Parquet	35	Parquet particionado leído con `year`/`month`
4	MySQL + Quack	35	Un `count(*)` resuelto en remoto
5	VARIANT + cierre	25	`variant_typeof` con dos formas distintas

Total: ~2 h 40 (margen hasta 3 h con dudas).

Antes de empezar (checklist)¶

python -m venv .venv con Python ≥ 3.11.
pip install "duckdb==2.0.0" "polars[pyarrow]" pandas jupyterlab.
jupyter lab cuadernos/ y ejecutar 00_entorno.ipynb entero.
Extensiones quack y mysql descargadas (requieren red la primera vez).
(Opcional) MariaDB en Docker para el módulo 06.
Puerto 9494 libre para el módulo 07.

Truco de aula

Lanza 00_entorno.ipynb antes de que entre el alumnado. La descarga de extensiones es lo único que puede tardar y romper el ritmo.

Momento «ajá» por módulo¶

Módulo	El instante que hay que subrayar
02	`QUALIFY` sustituye una subconsulta entera
03	El mismo `DataFrame` se consulta con SQL sin copiarse
04	Un JSON anidado se filtra por `direccion.ciudad` sin `json_extract`
05	`year=2025` aparece como columna sin haberla escrito
06	El plan muestra que el `GROUP BY` viajó a MariaDB
07	`EXPLAIN` imprime `Quack Query By Name`
08	Dos filas con estructura distinta conviven en una columna

Errores que van a aparecer (y respuesta lista)¶

Error	Causa	Respuesta
`ModuleNotFoundError: duckdb`	Kernel de otro venv	Reiniciar kernel / elegir intérprete
`duckdb 1.x` instalado	Python 3.10	Subir a 3.11+ y reinstalar
`Deprecated lambda arrow`	Copiaron código de la 1.x	Nueva sintaxis `lambda x: ...`
`materialize() is not available while CONNECT-ed`	`con.sql()` con sesión redirigida	`con.execute(...)`
`Failed to connect to MySQL`	Sin servidor o cadena DSN	Cadena `mysql:host=... user=...`
`Address already in use` (9494)	Servidor anterior vivo	`CALL quack_stop(...)` o cambiar puerto
`Binder Error: _metadata`	Ruta antigua para el fichero	`filename = true`

Si vas con el tiempo justo¶

Recorta en este orden: 08 VARIANT → ejercicios de 05 → parte teórica de 02. Nunca recortes el par 06+07: es lo que hace que la sesión sea sobre la 2.0 y no sobre un DuckDB cualquiera.

Tarea para casa¶

Repetir el pipeline MySQL → Parquet → dashboard con datos propios.
Migrar un cuaderno de la 1.5 a la 2.0 y documentar cada rotura.
Medir el mismo GROUP BY con ATTACH y con CONNECT sobre >10 M de filas y traer números.