我们有一个项目，采集了全国各地运营车辆的相关信息，如gps定位，油耗，车速等。
车辆每10秒上报一次数据，全国车辆每天上报的数据量约为一亿条左右，占用存储约150g/天。
数据上报上来后，并不会对这些数据进行修改，主要用于对数据进行离线分析，另外也对某个具体的车辆轨迹在地图上进行轨迹查询回放。
离线分析一般是按日，周，月，季，年进行离线分析，统计完了放到rdbms就是死数据，对数据实时性要求并不高。
系统的用户数约有5000人。
技术选型：
由于数据量比较大，担心用传统RDBMS存储的话分析性能太差，计划用flume+hbase+spark框架实现，心里一直担忧几个问题：
这种场景适合用大数据吗？用hbase+spark是不是杀鸡用牛刀了？
数据量虽然比较大，但用户规模比较小，在线用户数才500人，用hbase进行存储合适吗？用hbase对单车的明细轨迹数据进行查询速度快吗？
3.数据上报上来后存储到某个目录，统计时有简单聚合操作，也有计算平均值和同环比分析，用以下哪种方式合适？
a. flume->spark（数据清洗)->hbase->spark(离线分析)->mysql
b. flume->kafka->spark streaming（数据清洗)->hbase->spark (离线分析)->mysql。
c.flume->kafka->spark streaming （数据清洗和聚合统计)->hbase->spark (离线分析，均值，同环比，年报月报)->mysql
麻烦各位前辈指点指点，越详细越好，谢了
