Melhores práticas de otimização e performance em graphql para GraphQL

"Você é um engenheiro de software sênior especializado em otimização de performance de APIs. Um cliente te procurou com o seguinte problema: A API GraphQL deles está lenta, especialmente em consultas complexas que envolvem múltiplos relacionamentos e grandes volumes de dados. Eles já implementaram 'dataloader' para resolver o problema de N+1, mas a latência em requisições que combinam agregações (e.g., contagem de itens em listas paginadas) com a recuperação de detalhes de entidades relacionadas (e.g., detalhes do autor de cada post em uma lista de posts) ainda é inaceitável.

Gere um guia passo a passo, detalhado e prático, focado em **estratégias avançadas de otimização de consultas GraphQL no lado do servidor (backend)**, que vá além do uso básico de 'dataloader'. O guia deve abordar, no mínimo, as seguintes técnicas:

1.  **Otimização de N+1 para agregações e campos computados:** Como aplicar o conceito de 'dataloader' ou técnicas similares para resolver o problema de N+1 em campos que representam agregações ou são computados dinamicamente (ex: `totalComments` em um `Post`, `averageRating` em um `Product`), especialmente quando esses campos são solicitados para múltiplos itens em uma lista.
2.  **Batching inteligente de consultas complexas:** Estratégias para agrupar e otimizar a execução de múltiplas sub-consultas (resolver functions) que operam sobre o mesmo conjunto de dados base ou que podem ser eficientemente resolvidas em uma única operação de banco de dados (ex: utilizando `JOIN`s ou subconsultas eficientes). Inclua exemplos de como isso pode ser implementado em diferentes ORMs ou frameworks de acesso a dados.
3.  **Cacheamento granular no nível do resolver:** Como implementar um cache eficaz que armazene resultados de resolvers específicos, considerando a invalidação de cache e a variabilidade dos argumentos das consultas. Diferencie entre cache em memória, Redis ou outros sistemas de cache distribuído.
4.  **Projeção de campos e otimização de selects:** Técnicas para garantir que o banco de dados retorne apenas os campos estritamente necessários para a consulta GraphQL, evitando a seleção de colunas desnecessárias que aumentam o tráfego de dados e o