# Tema 4 · Lagos de datos y almacenamiento masivo

Actividades del tema, en el orden en que se hacen. Las que son una carpeta traen los ficheros de la actividad y su `README.md` con los pasos; las que son un `.md` son una guía que se sigue en la consola de AWS o en la terminal.

**Ayuda de los scripts.** Todos los scripts del tema responden a `--ayuda` (o `--help`): muestran sus pasos y opciones y recuerdan que cada carpeta trae un `README.md` para resolver dudas.

| Actividad | Qué haces | Tipo |
|---|---|---|
| [`04.01-creardatalake/`](04.01-creardatalake/README.md) | Crear el Data Lake (stack de CloudFormation) | Carpeta con ficheros |
| [`04.02-titanic/`](04.02-titanic/README.md) | Ejercicio 1: Titanic (CSV, Crawler, nulos, Parquet y medir) | Carpeta con ficheros |
| [`04.03-nyctaxi/`](04.03-nyctaxi/README.md) | Ejercicio 2: NYC Taxi (Parquet, particiones, vista y tabla curated) | Carpeta con ficheros |
| [`04.04-airemadrid/`](04.04-airemadrid/README.md) | Ejercicio adicional A: calidad del aire de Madrid | Carpeta con ficheros |
| [`04.05-euriboripc/`](04.05-euriboripc/README.md) | Ejercicio adicional B: Euribor e IPC (cruzar dos fuentes abiertas) | Carpeta con ficheros |
| [`04.06-optimizarpresupuesto/`](04.06-optimizarpresupuesto/README.md) | Ejercicio adicional C: optimizar el lago y defender el presupuesto | Carpeta con ficheros |
| [`04.07-PanelStreamlitSeguridad.md`](04.07-PanelStreamlitSeguridad.md) | Panel Streamlit y seguridad del Data Lake (opcional) | Guía |

**Coste y apagado automático.** Todo el tema cuelga del stack `g214-datalake-demo` (04.01). Su única parte que cuesta si te olvidas es la EC2 del panel Streamlit (unos 4,6 USD al día): `gestionar-datalake.sh` la **apaga sola a las 4 horas** (se para, no se borra). Para ampliar el plazo vuelve a ejecutar `./gestionar-datalake.sh crear` (o `extender`; `--permanente` la deja siempre encendida). S3, Glue y Athena no consumen si se dejan. Los scripts de cada actividad (`gestionar-titanic.sh`, `gestionar-nyc-taxi.sh`) tienen `estado` y `eliminar`, y el borrado de todo el stack va el último con `./gestionar-datalake.sh eliminar`.