CRDT 是一种无冲突复制数据类型，它支持强最终一致性（SEC, Strong Eventual Consistency）。这种数据类型常用于需要多用户协作编辑的文档，或者那些要求本地立即响应、可以放弃强一致性（线性一致）的场景，比如强调（AP, Availability and Partition Tolerance）的应用。
CRDT 适用于异步传播（gossip）场景。只要更新最终能投递到所有副本（网络分区最终恢复、没有永久丢消息），就能保证数据的最终一致性。它具有以下特点：
- merge 函数满足交换律，所以副本状态可以任意顺序合并
- merge 函数满足结合律，所以合并可以任意分组、分批进行
- merge 函数满足幂等性，所以同一份状态重复合并没有副作用
这三条（交换律、结合律、幂等性）缺一不可，而且主语是 state-based CvRDT 的 merge 函数，不是「请求／操作」本身。op-based CmRDT 的要求不一样：并发操作之间可交换，且投递层要保证因果序的可靠投递（每个操作恰好投递一次）——不能靠幂等来替代去重。
对 CvRDT 而言，请求延迟、乱序、重复都没关系。
其数据结构形成了一个并半格（也叫上半格，join semi-lattice），其偏序由 merge 诱导：a ≤ b 当且仅当 merge(a, b) = b。CRDT 通过维护这个偏序关系构成的有向图，在这张有向图中能保证最终所有的节点会收敛到同一个最小上界（least upper bound / join，记作 ⊔），也就是所有已知状态的 merge 结果。
收敛方向是往上界走，不是往「最小公共祖先」走——最小公共祖先对应的是下界（meet）方向，方向相反。而且只说 upper bound 不够，必须是 least upper bound：任意上界都行的话收敛结果就不唯一了。
CRDT 节点，需要维护：
- 本地对请求的排序
- merge 函数，可以将其他节点的请求合并到自己身上
- update 函数，可以更新自己的数据（结果是当前状态与更新的最小上界）
IPFS Cluster 所采用的 CRDT 是专为 Merkle DAG 设计的。被复制的状态是 pinset（go-ds-crdt 里的一个 CRDT map），Merkle DAG 只负责承载 delta 和因果序：可以将 Merkle DAG node 看做是 Merkle-Clock，作为一个分布式系统的 event，一旦创建便无法改变。各节点按 Merkle-Clock 给出的因果序合并 delta，最终对 pinset 收敛。