Agente Auto-Investigación — NovaMind API Speed

Historial de experimentos — últimas 15 iteraciones

#	Commit	P50 (ms)	Δ Mejor	Status	Descripción del cambio
20	a8f3d12	281ms	+34ms	DISCARD	order_by optimization — sin efecto neto
21	c2e91b4	307ms	+60ms	DISCARD	column subset select — overhead de mapeo superior al ahorro
22	f7a06c8	247ms ✓ META	−20ms	KEEP	Redis result cache TTL=60s · primera vez bajo 300ms
23	3b1d7e2	259ms	+12ms	DISCARD	TTL reducido a 30s — más cache misses, peor
24	9d4f021	275ms	+28ms	DISCARD	cache warming en startup — latencia inicial aumenta
25	e5c83a9	224ms	−23ms	KEEP	query plan hint FORCE INDEX · Postgres optimizer corregido
26	2af19d3	235ms	+11ms	DISCARD	EXPLAIN ANALYZE auto-hint — inestable entre runs
27	b8e74c1	248ms	+24ms	DISCARD	partial index tenant_id — ya cubierto por composite
28	—	N/A	—	CRASH	Cython compile error: compilador no disponible en entorno test
29	0c62f85	214ms ★ BEST	−10ms	KEEP	response_model simplificado + exclude_unset=True a nivel global
30	7e3b190	224ms	+10ms	DISCARD	exclude_unset per-endpoint — redundante, ya global
31	4d91c27	228ms	+14ms	DISCARD	GZip middleware — overhead CPU > ahorro transferencia
32	1f78a64	231ms	+17ms	DISCARD	middleware ordering auth-before-log — sin impacto medible
33	6c24e08	219ms	+5ms	DISCARD	HTTP Keep-Alive header forzado — conexiones ya persistentes
34	d3b0f17	⏳ running	—	PENDING	prefetch_related para FK de usuarios — evaluando ahora

Estrategia activa (program.md)

Fase 1 — Fruta baja (runs 1–5) ✓

#1lru_cache en queries de metadatos — +13.4% mejora

#2Composite DB index (tenant_id, created_at) — +10.1%

#4Cache TTL 5min para datos de configuración — +14.2%

Fase 2 — Lazy loading (runs 6–15) ✓

#6Lazy load métricas secundarias on-demand — +11.3%

#9Batch queries ×4 en lugar de N+1 loops — +11.9%

#11Connection pool reuse (sin reconexión) — +14.5%

Fase 3 — Paralelo + caché (runs 16–29) ← activo

#17asyncio.gather para 3 queries paralelas — +10.9% · META ✓

#19N+1 eliminado en relaciones ManyToMany — +8.5%

#22Redis cache resultados TTL=60s — +6.9%

#25FORCE INDEX hint Postgres — +9.3%

#29response_model slim — +4.5% · MEJOR ACTUAL ★

Patrones aprendidos (auto-actualizado cada 10 runs)

Lo que funciona

✓Caching a cualquier nivel (memoria, Redis) → mejora 5–15% consistente

✓Paralelizar queries independientes → mejora 8–14%

✓Eliminar N+1 queries → mejora 5–12%

✓DB indexes compuestos correctos → mejora 10%

✓Simplificar serialización Pydantic → mejora 4–6%

Lo que no funciona

✗Cambios de TTL de caché (≤30s) → siempre regresión

✗GZip/compresión middleware → overhead CPU > beneficio

✗Índices parciales redundantes → ya cubiertos por composite

✗Cython compile → entorno test incompatible, descartar

Próximos experimentos

→prefetch_related en FKs de usuario (en curso)

→Materialised view para agregados diarios

→select_related depth-1 en tenant queries

→Precálculo nocturno con Celery beat (Fase 4)

★ Mejor experimento — run #29 · commit 0c62f85 +8 líneas −14 líneas P50: 224ms → 214ms (−4.5%)

42  from fastapi import APIRouter, Depends, Query
43  from typing import Optional
44- from pydantic import BaseModel, Field, validator, root_validator
44+ from pydantic import BaseModel
45 
78- class SummaryResponse(BaseModel):
79-     tenant_id: str = Field(..., description="Tenant identifier")
80-     report_date: str = Field(..., description="ISO8601 date")
81-     metrics: dict = Field(default_factory=dict)
82-     metadata: Optional[dict] = Field(None)
83-     _computed_at: str = Field(default="")
78+ class SummaryResponse(BaseModel):
79+     tenant_id: str
80+     report_date: str
81+     metrics: dict = {}
82+     metadata: Optional[dict] = None
83+     model_config = {"populate_by_name": True}
84 
115- return JSONResponse(content=response.dict(exclude_unset=False, by_alias=True))
115+ return response.model_dump(exclude_unset=True)

NovaMind — api-report-speed