HBase在2.0.0版本之后在可用性上进行了发展，具体原理如下图所示：
由上图可知，region将不再只保存在某一单独的regionserver上，而是选择其他的两个regionserver分别存储该region 的两个备份，这样，某台regionserver挂掉时，客户端仍然可以从其它regionserver上备份的region中读到数据，如此保证了hbase的读高可用，可用性达到了99.99%
上面设计的特点在于：
1、有一个主region，多个从region；
2、只有主region接收写请求，并把数据持久化到HDFS上；
3、从region从HDFS中读取数据并服务读请求；
4、从region可能会读到脏数据（主region memstore内未flush的数据）；
5、读操作可以只读主，或者既可以读主又可以读从（可配置）；
regionA在整个hbase集群中有三个备份，我们分别记为regionA0、regionA1和regionA2，其中客户端直接写入regionA0，regionA0中的数据会异步写到regionA1和regionA2中，客户端可以在数据写入时指定一致性级别，若客户指定为最终一致性，则直到数据写入三个regionserver才会返回写入成功到客户端，如此带来了写时延的增高，此外，如果某台regionserver在写的时候挂掉会阻塞住客户端的写。如果放开一致性，则主节点A0写入成功后即可返回，如此降低了写延时，但是数据一致性上没有保证。这里有点像mysql中的三种一致性级别（最大可用、最大性能、最大保护）。
这里插嘴说一下nosql数据库的历史，nosql的流行源自于web2.0时代大数据的应用在多数公司，尤其是互联网公司的应用。当数据量大到一定程度，传统关系型数据库受限于scalability而不再适用于这种场景。相反nosql数据库因为其灵活的的数据表示和在scalability和availablity上的优化而逐渐受到大家的重视。
说到数据一致不得不提一下计算机理论中CAP理论，CAP指出了在分布式计算系统中，Avaliablity&Consistency&Partition tolerance三者只能容其二。nosql数据库大都牺牲了Consistency换来了高可用和高容错。当然对于Consistency的理解，不同系统也有不同，mysql等关系型数据的ACID模型是一个强一致的模型，而分布式系统中实现的一致性模型可以理解为一个弱一致模型，这个模型常常被称作BASE。
另外一种优先级级别是最终一致性，最终一致性的概念来自于亚马逊的Dynoma，Cassandra在实现中采纳了最终一致性，所谓最终一致性是指数据在较长时间轴下是一致性，在数据达到最终一致前，客户端有可能会读不到最新写入的数据（当然客户端可以选择读多台regionserver然后返回多数regionserver的结果，然而这会带来读延时的增高）。