Applicazione di computazione parallela per l'ottimizzazione di un servizio di Data Management

La gestione efficiente di grandi moli di dati rappresenta una delle sfide più critiche per la fisica delle alte energie moderna, in particolare in vista dell'imminente fase di High-Luminosity LHC, che comporterà un incremento esponenziale delle richieste di archiviazione e accesso. Questo lavoro di tesi documenta l'evoluzione architetturale di StormTape, il servizio responsabile delle operazioni di staging da nastro magnetico presso il Tier-1 del CNAF-INFN. L'obiettivo primario del progetto è stato il superamento dei limiti di latenza imposti dalle precedenti implementazioni single-threaded, valutando l'adozione di paradigmi di programmazione concorrente offerti dallo standard C++20. Per validare le prestazioni e la robustezza della nuova implementazione, è stata progettata e sviluppata una suite di load testing personalizzata basata sul framework Locust, capace di simulare pattern di traffico realistici e carichi intensivi. L'analisi sperimentale ha condotto a risultati significativi e in parte controintuitivi. Sebbene il parallelismo offra vantaggi teorici, i test hanno evidenziato come l'interazione con filesystem distribuiti complessi (GPFS) in un contesto fortemente I/O bound possa introdurre instabilità se non gestita con estrema cautela. I benchmark dimostrano che l'incremento prestazionale più rilevante e stabile è stato ottenuto non attraverso la massimizzazione della concorrenza, bensì tramite l'ottimizzazione mirata del database (in particolare l'adozione della modalità WAL per SQLite). Il risultato finale è un sistema che, non solo ha esplorato la possibilità di essere ottimizzato tramite la parallelizzazione, ma ci riesce offrendo le prestazioni superiori che in futuro potrebbero essere necessarie per sostenere le nuove sfide della ricerca scientifica.