Django — Avanzado

Este curso está dirigido a desarrolladores con experiencia sólida en Django que ya dominan la construcción de aplicaciones REST y el uso del ORM, y que buscan llevar sus proyectos a un nivel de producción exigente. A lo largo de las diez horas de formación, el participante abordará la arquitectura multi-app con separación de responsabilidades, la optimización profunda de consultas y esquemas de base de datos, el diseño de middleware personalizado y estrategias de caché multinivel, la evaluación del rendimiento de APIs bajo carga real, la gestión de tareas asíncronas y la securización sistemática de aplicaciones mediante el checklist de producción de Django, culminando con la integración de todo el ciclo en un pipeline CI/CD automatizado. Al finalizar, el participante será capaz de tomar decisiones de diseño y arquitectura justificadas, medir su impacto con herramientas reales y entregar una aplicación Django robusta, segura y observable en un entorno de producción.

Al finalizar el curso, el participante será capaz de:

1. Conceptual — Explicar los principios de separación de responsabilidades en una arquitectura Django multi-app (modelos, servicios, repositorios) y los trade-offs entre distintos sistemas de tareas asíncronas, relacionando cada decisión con los requisitos de volumen y latencia del proyecto.
2. Conceptual — Describir los mecanismos de seguridad que cubre el checklist de producción de Django —CSRF, SQL injection, cabeceras HTTP seguras y permisos— y justificar por qué cada control mitiga el riesgo asociado.
3. Procedimental — Identificar y eliminar problemas N+1 y consultas redundantes en el ORM, optimizar el esquema de base de datos con índices compuestos y anotaciones avanzadas, y verificar el impacto de las mejoras con herramientas de diagnóstico.
4. Procedimental — Diseñar e implementar middleware personalizado para autenticación, auditoría o rate-limit, y construir una estrategia de caché multinivel con invalidación coherente ante escrituras en escenarios de múltiples workers.
5. Integrador — Evaluar críticamente el rendimiento de una API Django REST bajo carga, comparando métricas con y sin caché, y automatizar el pipeline de calidad —linting, tests y análisis de seguridad— en un flujo CI/CD reproducible que integre todas las decisiones técnicas tomadas a lo largo del curso.

Arquitectura y diseño de aplicaciones Django a escala El bloque inicial establece los fundamentos estructurales del curso. Se estudia cómo organizar un proyecto con múltiples dominios de negocio diferenciados aplicando la separación de responsabilidades entre modelos, servicios y repositorios. Se analiza el papel de cada capa, cómo se comunican entre sí y qué criterios determinan cuándo extraer lógica a un servicio o a un repositorio independiente. A partir de esta base arquitectural se aborda el diseño e implementación de middleware personalizado: anatomía del ciclo petición-respuesta en Django, patrones para interceptar ese ciclo sin romper la cadena existente y casos de uso concretos como auditoría de accesos, autenticación delegada y control de rate-limit.

Optimización de consultas y esquema de base de datos Este bloque profundiza en el rendimiento a nivel de datos. Se trabaja la detección y eliminación de problemas N+1 y consultas redundantes utilizando Django Debug Toolbar y connection.queries sobre conjuntos de datos representativos. A continuación se amplía el foco al esquema: adición de índices compuestos, exploración de anotaciones ORM avanzadas (Window, Subquery, Exists) y lectura e interpretación de planes de ejecución con EXPLAIN ANALYZE para medir el impacto real de cada cambio. El bloque cierra con estrategias de caché multinivel —vista, fragmento y queryset— incluyendo políticas de invalidación coherente ante escrituras y consistencia eventual en entornos con múltiples workers.

Rendimiento de APIs y tareas asíncronas Con el esquema y las consultas optimizados, el curso gira hacia el comportamiento de la API bajo carga. Se realizan pruebas de rendimiento sobre una API Django REST comparando métricas de latencia y throughput con y sin caché (Redis/Memcached), y se justifica la estrategia elegida en función de los resultados obtenidos. Paralelamente se estudian los sistemas de tareas asíncronas disponibles en el ecosistema Django: se evalúan los trade-offs entre Celery con broker Redis y Django Q con ORM, y se configura el sistema seleccionado para un caso de uso con requisitos de volumen y latencia definidos.

Seguridad y pipeline de calidad El bloque final integra las perspectivas de seguridad y operaciones. Se aplica el checklist de producción de Django para anticipar riesgos —CSRF, SQL injection, cabeceras HTTP seguras y permisos— y se proponen mitigaciones priorizadas sobre una aplicación existente. Sobre esta base segura se construye el pipeline CI/CD que automatiza linting con flake8 o ruff, ejecución de tests con pytest-django y análisis estático de seguridad con bandit, consolidando en un flujo reproducible todas las prácticas trabajadas a lo largo del curso.

• Python 3.11 o superior instalado en local.
• Django 4.2 LTS o superior.
• Docker Desktop (o Docker Engine en Linux) para levantar servicios de Redis y base de datos PostgreSQL 15 sin configuración manual.
• PostgreSQL 15 como base de datos del proyecto (puede ejecutarse en el contenedor Docker provisto).
• Redis 7 para los ejercicios de caché y broker de Celery (contenedor Docker provisto).
• Editor de código con soporte Python: VS Code con la extensión Pylance, o PyCharm Community.
• Navegador web moderno para Django Debug Toolbar.
• Conexión a Internet para descargar dependencias de PyPI durante las sesiones.
• Hardware recomendado: 8 GB de RAM y procesador de cuatro núcleos para ejecutar los contenedores Docker junto con el servidor de desarrollo sin degradación perceptible.

El participante debe haber completado el curso DJA02 o demostrar un dominio equivalente de Django en nivel intermedio. En concreto, se espera que sea capaz de construir APIs REST con Django REST Framework, escribir y migrar modelos ORM complejos, gestionar autenticación basada en tokens y desplegar una aplicación Django en un entorno con base de datos relacional. También se asume fluidez en Python 3 y familiaridad básica con la línea de comandos Linux/macOS y con entornos virtuales.