Aprende por qué los DataFrames de pandas son mutables, cómo las operaciones in‑place filtran cambios y cómo dejar la intención explícita. Incluye repro ejecutable, salida esperada y patrones seguros.
Implementa un reader mínimo con offsets reales, un schema claro y un formato utilizable. Comparas el enfoque batch vs streaming y lo ejecutas end-to-end.
Introduce spark.sql.shuffle.partitions, repartition y coalesce con un ejemplo reproducible para ver impacto en tiempos, stages y tamaño de shuffle.
Detecta joins con skew en Spark y aplica salting para repartir las llaves “hot”. Verás el antes/después con tiempos de stage y shuffle, una repro sintética y un dataset real con descargas al final.