为大数据选择新的硬件、存储和其它数据中心基础设施，这是IT专业人员们所面临的新挑战。
大数据是具备空前规模和形式的非结构化信息。它包括视频、图像，以及半结构化的数据(例如在Web上常见的电子邮件和文本)。随着基于传感器的移动Web监视设备和输出数据越来越多，可用的数据量将继续呈指数级增长。
推行大数据战略的压力往往来自高层，因为管理者相信，能有效运用数据的企业将比落后者具备更大优势。大数据战略需要数据中心基础架构作出的改变主要有五点：
一、支持大数据的硬件
大数据导致的存储需求量每年都将增长60%至80%，鉴于这种快速增长和当前的成本限制，IT采购者应选择在可扩展性和存储速度上最具成本效益的硬件。类似大型机的向上扩展体系结构重新兴起，因为它们能够经济高效地扩展，降低总体拥有成本。同样，在提升性能方面，固态硬盘(SSD)和固态卡带都比传统磁盘做得更好。
类似IBM Netezza和Oracle Exadata的硬件装置已被证实能有效兼顾可扩展性和性能。考虑采用硬件装置来支持关键大数据业务，但也应确认设备的架构能在未来提供快速性能升级。
二、围绕大数据选择存储
在成功的大数据策略下，企业可以将来自内部的高质量数据与Hadoop挖掘自多个云供应商的低质量数据进行整合。这也就改善了业务相关数据的质量，让分散在各地的数据能组织成为具备一致和及时性的大数据资源。
大数据正在改变中央数据仓储和松耦合数据集市的决策基础，后者的存储库规模要小得多，既可以替代中央数据仓库，也可以成为中央数据仓库的数据源。随着各地办事机构或者国际子公司的增加，中央管理层在业务线扩大的同时更需要高质量的数据来维持管控力度，避免权力的分散。
新的软件技术承担了繁重的存储相关处理工作。由Composite Software(刚刚被Cisco收购)和Denodo提供的数据虚拟化软件能自动发现数据源并提取数据充实全局元数据存储库，为整个组织提供跨越内部和外部的所有数据的公共数据库外观和体验。主数据管理软件通过创建公用主记录提高了数据质量，消除了费时的数据仓库检索。
企业Web外链需求加深了对公众和混合云的依赖。许多大型企业发现他们需要来自于多个云供应商的大数据，却不能指望供云应商会负责整合这些数据。企业只能从数据虚拟化供应商寻求工具来跨多个云整合大数据。
三、利用SSD的存储分层策略
存储成本很高，而且越快的存储也就越昂贵。最重要的是，大数据要求存储同时提供大容量和“大”性能。存储分层在存储资源池中提供多种成本/性能选项，从昂贵的高性能固态存储到传统的串行SCSI(SAS)磁盘存储，这些选项的组合降低了总拥有成本。在主内存和磁盘之间增加一个固态层将有助于将大数据任务的性能维持在高位，而且不会引起存储成本失控。
SSD的用量应遵从“90-10”的存储分层规则：成本和速度的最佳组合比例是：使用大约10%的SSD和90%的机械硬盘。这一策略让IT公司用仅增加10%成本的代价就能获得90%以上的性能提升。主内存和SSD的容量比例也遵从同样的规则。
