Equilibrado de carga basado en IPVS para despliegues MQTT

Abstract

El protocolo MQTT es el estándar predominante dentro del ámbito de Internet de las Cosas (IoT), pero su modelo de broker único presenta límites de escalabilidad críticos. Este trabajo evalúa empíricamente el uso de IP Virtual Server (IPVS) como equilibrador de carga a nivel de kernel para un clúster de brokers Mosquitto, comparando dos topologías fundamentales: una de equilibrio distribuido con múltiples puntos de entrada y otra de equilibrio centralizado con una visión global. Se desplegó una Prueba de Concepto (PoC) en Microsoft Azure y se ejecutaron pruebas de estrés con cargas de hasta 480 clientes simultáneos y 6.000 mensajes por ráfaga, bajo distintos niveles de calidad de servicio (QoS). Los resultados revelaron un hallazgo clave y contraintuitivo. Bajo condiciones de sobrecarga extrema, la arquitectura centralizada, pese a distribuir las conexiones de forma casi perfecta, sufrió una pérdida de mensajes de aproximadamente un 25%. En contraste, la arquitectura distribuida, aunque menos preciso en su equilibrio, demostró ser más resiliente, manteniendo la pérdida en un 14%. La principal contribución de esta investigación es la evidencia cuantitativa de que un equilibrio de carga óptimo en la capa de red/transporte no siempre garantiza la máxima fiabilidad en la capa de aplicación cuando el clúster está bajo saturación. El estudio concluye con pautas de diseño prácticas, derivadas de estos hallazgos, para la implementación de arquitecturas MQTT de alta disponibilidad.The MQTT protocol is the predominant standard within the Internet of Things (IoT) domain, yet its single-broker model exhibits critical scalability limits. This thesis empirically evaluates IP Virtual Server (IPVS) as a kernel-level load balancer for a Mosquitto broker cluster, comparing two fundamental topologies: (a distributed setup with independent entry points and a centralized setup with a global connection view. A proof-of-concept was deployed on Microsoft Azure and stressed with up to 480 concurrent clients sending 6,000-message bursts under different Quality of Service (QoS) levels. Results show a counter-intuitive trade-off. Under extreme overload, the centralized topology, although almost perfect at distributing connections, lost about 25% of messages. The distributed topology, less precise in its balancing, proved more resilient, limiting loss to 14%. These findings demonstrate that optimal load balancing at the transport layer (Layer 4) does not necessarily guarantee maximum reliability at the application layer (Layer 7) when the cluster is under saturation. The work ends with practical design guidelines for designing high-availability MQTT infrastructures based on empirical evidence.