Ariza Gómez, María Teresa2025-07-162025-07-162025Guijarro Camino, A. (2025). Procesamiento masivo de telemetría vehicular mediante MQTT y análisis con Elastic Stack. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/175373La conectividad ubicua, el crecimiento de los dispositivos IoT y el aumento en la capacidad de procesamiento de datos han transformado profundamente la forma en que se gestionan y supervisan los sistemas complejos. Uno de los sectores donde este cambio es más evidente es en la movilidad inteligente y la gestión de flotas, donde la monitorización en tiempo real se ha convertido en una necesidad operativa. En este contexto, la capacidad de simular entornos a gran escala cobra una importancia estratégica. Poder generar, transmitir y analizar datos de miles de vehículos permite no solo probar infraestructuras tecnológicas exigentes, sino también anticipar el comportamiento de sistemas reales en condiciones de carga elevadas. Este tipo de simulaciones resulta clave para validar arquitecturas antes de llevarlas a producción en escenarios críticos como logística, transporte urbano o gestión de emergencias. Muchos de estos sistemas basan su comunicación en el protocolo MQTT, ampliamente utilizado en el mundo del Internet de las Cosas por su eficiencia y ligereza. Sin embargo, manejar y procesar datos de miles de dispositivos en tiempo real plantea importantes retos técnicos a nivel de escalabilidad, disponibilidad y capacidad de análisis. En este documento se explora una solución integral que aborda estos desafíos mediante la simulación de una flota de miles de vehículos que publican datos a través de MQTT. Estos datos son procesados por una infraestructura basada en Elastic Stack, permitiendo su ingesta, almacenamiento, análisis y visualización en tiempo real. Para soportar la alta concurrencia, se ha desplegado un clúster de brokers MQTT y un clúster de Elasticsearch, que trabajan de manera conjunta para ofrecer un sistema distribuido, escalable y resiliente. El objetivo del proyecto es demostrar la viabilidad técnica de una arquitectura de estas características, y ofrecer una base sólida para la detección de eventos, generación de alertas automáticas y monitorización avanzada de sistemas vehiculares a gran escala. También se pretende analizar los datos obtenidos para extrapolar la infraestructura a demandas mayores.The widespread availability of connectivity, the growth of IoT devices, and the increase in data processing capacity have profoundly transformed the way complex systems are managed and monitored. One of the areas where this shift is most evident is in smart mobility and fleet management, where real-time monitoring has become an operational necessity. In this context, the ability to simulate large-scale environments becomes strategically important. Generating, transmitting, and analyzing data from thousands of vehicles allows for testing demanding technological infrastructures and anticipating the behavior of real systems under high-load conditions. These types of simulations are key for validating architectures before deploying them in critical scenarios such as logistics, urban transportation, or emergency management. Many of these systems rely on the MQTT protocol, widely used in the Internet of Things (IoT) ecosystem due to its efficiency and lightweight design. However, handling and processing data from thousands of devices in real time presents significant technical challenges in terms of scalability, availability, and analytical capacity. This document explores a comprehensive solution to address these challenges by simulating a fleet of thousands of vehicles publishing data via MQTT. The data is processed by an infrastructure based on the Elastic Stack, enabling real-time ingestion, storage, analysis, and visualization. To support high concurrency, a cluster of MQTT brokers and an Elasticsearch cluster have been deployed to work in coordination, offering a distributed, scalable, and resilient system. The objective of the project is to demonstrate the technical feasibility of such an architecture and to provide a solid foundation for event detection, automatic alert generation, and advanced monitoring of large-scale vehicular systems. The data obtained will also be analyzed to extrapolate the infrastructure to greater demands.application/pdf140 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccess