Plan de 30 horas

Este plan asume que lees Java con soltura, nunca has escrito Python y tienes unas 64 horas entre ahora y el check-in. Ajusta las cifras a tu propia ventana.

Presupuesto de tiempo

Concepto	Horas
Ventana hasta el check-in	unas 64
Sueño (3 noches × 8 h)	−24
Tiempo despierto	unas 40
Comidas y descansos	unas −8
Tiempo útil de estudio	unas 32
Plan	30 (28,5 de bloques + 1,5 de colchón)

Principios

1. Spark primero. Todo lo de aquí está elegido porque el sprint lo necesita. El Python que no vas a encontrar en Spark puede esperar.
2. Teclea el código. Leer no es aprender. Cada bloque termina con algo que has ejecutado.
3. Lanza la compilación antes de estudiar. Los tests de PySpark necesitan Spark compilado, y tarda.
4. unittest antes que pytest. Los tests de PySpark son clases con self, estilo unittest, y se ejecutan con python/run-tests.
5. Si falta tiempo, recorta en este orden: decoradores y generadores (Bloque 2), luego la lectura opcional del Bloque 3. Nunca recortes el entorno, el tipado ni coverage.

Bloque 0: cuentas y compilación (0,5 h, esta noche, lo primero)

• ☐ Solicita una cuenta de Apache JIRA (formulario).
• ☐ Haz fork de apache/spark en GitHub.
• ☐ En tu fork, abre la pestaña Actions y activa los workflows "Build and test" y "Report test results".
• ☐ Clona tu fork y añade upstream.
• ☐ Lanza la compilación con Maven o sbt en una terminal y déjala corriendo (comandos en la checklist).

Hecho cuando: la compilación está en marcha y has enviado la solicitud de JIRA.

Bloque 1: sintaxis de Python (7 h)

Tiempo	Tarea
1,5 h	Learn X in Y Minutes: Python, tecleando cada fragmento en un REPL
3,5 h	Los ejercicios del currículo del taller de PyLadies. Escribe tú cada ejercicio, incluso los fáciles
1 h	W3Schools Python solo para tapar huecos: slicing, dict, set, comprehensions, f-strings, excepciones, imports
1 h	Crea un entorno virtual (venv o uv) y ejecuta un script desde la terminal

Hecho cuando: puedes escribir un script de 40 líneas con funciones, un dict, una list comprehension y un try/except sin consultar nada. Lee Python para devs de Java junto a este bloque.

Bloque 2: el Python que verás en código real (6 h)

Tiempo	Tarea
3 h	Clases, __init__, métodos dunder, @dataclass, @property, decoradores, generadores, with, *args y **kwargs
2 h	unittest.TestCase: setUp, assertEqual, assertRaises, subTest, mock.patch
0,5 h	breakpoint() y lo básico de pdb
0,5 h	Porta a Python una clase pequeña de Java que conozcas (con su test)

Hecho cuando: puedes leer un archivo de tests del repositorio de Spark y explicar qué hace cada línea.

Bloque 3: tipado y mypy (5 h)

Tiempo	Tarea
2 h	Anotaciones: list[int], dict[str, int], X | None, Callable, TypeVar, Protocol, TypedDict, Literal
2 h	Ejecuta mypy --strict sobre tu port del Bloque 2 y corrige todos los errores
1 h	Abre python/pyspark/sql/ en el repo de Spark y lee cómo se anotan las funciones

Hecho cuando: mypy --strict da cero errores en tu código y sabes explicar por qué una anotación de tipo no impide que un programa se ejecute. Detalles en Tipado, mypy y coverage.

Bloque 4: coverage.py (4 h)

Tiempo	Tarea
1,5 h	coverage run -m unittest, coverage report -m, coverage html y --branch
1,5 h	Cómo funciona: coverage se engancha al trazado del intérprete, registra las líneas ejecutadas en un archivo .coverage y las compara con las líneas que podrían ejecutarse
1 h	# pragma: no cover, y lleva tu port del Bloque 2 al 100 % de líneas y ramas
0,5 h	Busca en el repo de Spark un script que ejecute coverage (python/run-tests-with-coverage, verifica que exista) y lee cómo se usa

Hecho cuando: puedes explicar en dos minutos cómo sabe coverage qué líneas se ejecutaron.

Bloque 5: ensayo del PR en Spark (6 h)

Tiempo	Tarea
1,5 h	pip install pyspark, crea una sesión local y prueba unas operaciones con DataFrames
1 h	Con la compilación terminada, ejecuta un archivo de tests de PySpark con python/run-tests --testnames
1 h	Lee "Contributing to PySpark" y la guía de contribución de Spark; mira en JIRA los issues con la etiqueta starter
2,5 h	Ensaya el flujo en una rama desechable: un cambio pequeño, un test, la comprobación de estilo, el formato del título del PR y el ID de JIRA en el comentario del test

Hecho cuando: un archivo de tests de PySpark corre desde tu terminal y sabes recitar el formato del título del PR.

Reparto por días

Suponiendo que empiezas el jueves por la tarde y el evento es el domingo:

Tramo	Horas	Bloques
Jueves noche	unas 5	0, y el inicio del 1
Viernes	unas 11	resto del 1, luego 2 y 3
Sábado	unas 11	4 y 5
Domingo por la mañana	unas 1,5	Verificar la checklist, preparar y salir

Después del sprint

• Responde rápido a los comentarios de revisión. La guía de Spark pide a los contribuidores mantenerse receptivos, y un PR sin atención se mejora y se vuelve a avisar pasados unos días, o se hace más pequeño.
• Mantén el hábito. Revisar PRs ajenos y responder preguntas en la lista de correo son contribuciones válidas, según la propia guía de Spark.
• Apache Airflow es un siguiente proyecto natural y muy Python. Su documentación de contribución incluye un inicio rápido para principiantes, guías de comprobaciones estáticas y de testing, y un canal de Slack #new-contributors para dudas del primer PR. No formó parte de este sprint y su código es Python avanzado, así que trátalo como continuación, no como material de estudio para estas 30 horas.