Rilevamento automatico di N+1 Eloquent con LLM: pipeline di detection continuo su codebase legacy
Le N+1 query Eloquent sono il killer silenzioso dei gestionali Laravel: invisibili al code review umano, devastanti sotto carico. Nella mia pipeline personale ho costruito un detector basato su LLM che correla analisi statica del codice con pattern nei query log di produzione: identifica le N+1 reali (non i falsi positivi che PHPStan fa scattare), le prioritizza per impatto misurato sul carico DB, e apre pull request mirate con la correzione. Il metodo che uso su codebase legacy di 10+ anni. Continua a leggere
Ultima modifica:
Ho usato Laravel Telescope su un'applicazione di e-commerce per analizzare 48 ore di traffico reale. I risultati erano impietosi: 340 query per pagina di listing, di cui 280 erano N+1 generati da relazioni non ottimizzate. Vi mostro i 10 pattern più comuni e come identificarli prima che arrivino in produzione. 
Applicazioni Laravel performanti sono cruciali per gestionali ed e-commerce delle PMI. Spesso il collo di bottiglia risiede in query Eloquent non ottimizzate. Questo articolo esplora tecniche avanzate dall'eager loading alla selezione selettiva, fino alle subquery e all'automatic eager loading introdotto in Laravel 12, per trasformare le interazioni con il database da problema a punto di forza.