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