ACID属性：正如 Martin Kleppmann 在 2018 年旧金山 Kafka 峰会主题演讲“ Kafka 是数据库吗？”中强调的那样。，Kafka 已经发展到包含所有类似数据库的属性，特别是原子性、一致性、隔离性和持久性 (ACID)。虽然许多人使用 Kafka 只存储最近的数据，但 Kafka 实际上具有无限保留性，类似于现代数据湖。这种功能使 Kafka 成为存储大量数据的有吸引力的选择。

分层存储：人们犹豫是否使用 Kafka 存储长期数据的一个关键原因是认为 Kafka 是基于高性能机器的，其使用价格昂贵。但这已经是曾经的事实，Kafka 的经典设计需要将数据存储在计算实例中，这可能比对象存储或HDFS存储昂贵得多。然而，这种情况已经改变。Confluence 构建的最新版本 Kafka以及Redpanda和Apache Pulsar等其他流行的事件流平台都采用了分层存储，将冷数据存储在廉价的对象存储中，从而降低了成本并使得持久数据成为可能。这种新设计使 Kafka 适合以低成本存储大量数据，而无需担心可扩展性。

存储实时数据：虽然许多人使用数据湖来存储历史数据，但现代数据湖正在不断发展并变得越来越实时，例如越来越多的人使用数据湖来支持流批一体的能力。这种演变是自然的，因为现代应用程序和设备可以连续生成大量数据。因此，数据湖正在实施优化以允许实时提取数据。作为一个事件流平台，Kafka 本质上支持实时数据摄取。其架构非常适合存储快速移动的实时数据和缓慢移动的历史数据。

存储不同类型的数据：Kafka 可以处理多种数据类型，从关系数据等结构化数据，到 JSON 和 Avro 等半结构化数据，甚至文本文档、图像和视频等非结构化数据（尽管不常见）。这种多功能性在当今多样化的数据环境中至关重要，它使 Kafka 能够充当组织所有数据的集中存储库，从而降低管理多个存储解决方案的复杂性和开销。

作为Data Source：许多业务直接将数据提取到 Kafka 中，然后再将其传输到数据仓库或其他存储系统中。如果使用Kafka作为永久保留数据的数据湖，就消除了在不同系统之间重新定位数据的必要性。消除数据移动不仅可以降低成本，还可以最大限度地减少数据不一致和丢失的可能性。

单一事实来源：利用 Kafka 作为数据湖意味着它可以作为整个组织真正的单一事实来源。数据不一致的发生是因为人们转换数据。但如果我们使用数据源作为数据目的地，那么我们就不会遇到任何数据不一致的问题。此外，这种方法通过减少需要维护、同步和集成的系统数量，显着简化了数据架构，从而使基础设施更易于管理、更不易出错且更具成本效益。

丰富的生态系统：Kafka 拥有非常丰富且强大的生态系统，用于从各种数据源获取数据，并且大多数计算引擎可以轻松使用来自 Kafka 的数据。这种灵活性极大地促进了 Kafka 与现有系统和工作流程的集成，从而减少了采用 Kafka 作为数据湖所需的工作量和复杂性。此外，Kafka 的功能不仅仅限于数据摄取和存储。它还本身提供轻量级流处理功能（通过Kafka Streams），这意味着数据可以在摄取时实时处理。对于需要实时分析和决策能力的组织来说，这是一个显著的优势。

流处理系统。第一个基本组件是流处理系统，例如Apache Flink，Spark Streaming。这些系统旨在处理存储在 Kafka 中的实时数据流，使企业能够通过分析生成的数据来做出更快、更明智的决策。

实时分析引擎。第二个关键组件是实时分析引擎，例如 Apache Spark、Trino 或 ClickHouse。这些引擎旨在分析处理后的数据、提供见解并促进决策。它们能够以低延迟处理大量数据，这使得它们非常适合基于 Kafka 构建的流数据 Lakehouse 架构。

压缩的数据类型感知。目前，Kafka 将数据视为字节数组，不知道数据的实际结构和类型。这种意识的缺乏意味着 Kafka 执行的压缩是通用的，并且不如理解数据结构时的效率高。如果 Kafka 能够了解它正在处理的数据类型，它就可以更有效地执行数据压缩。这一改进将通过最大限度地减少需要传输和处理的数据量来降低存储需求并优化分析查询的性能。

支持查询下推。查询下推是一种将查询的部分内容（例如过滤器）下推到存储层的技术，从而实现更高效的数据检索和处理。目前，Kafka不支持查询下推，这意味着所有数据都需要加载到内存中并进行处理，即使只需要一小部分数据。如果 Kafka 能够支持查询下推，那么它将通过减少需要加载到内存和处理的数据量来提高分析查询的性能。

支持更新和删除。目前，Kafka 被设计为仅追加日志，虽然有处理更新和删除的解决方法，但它们并不像传统数据库那样简单和高效。如果Kafka能够原生支持更新和删除操作，那么数据维护将会变得更加简单和高效。它还将使 Kafka 成为一个更完整、更通用的数据存储解决方案，从而提高其作为数据湖的适用性。对于许多组织来说，这一新增功能将改变游戏规则，简化其数据架构并减少与数据维护相关的开销。