周围有一些数据结构非常有用,但大多数程序员都不知道。他们是哪一个?

每个人都知道链表、二叉树和散列,但比如Skip列表和Bloom过滤器。我想知道更多不太常见但值得了解的数据结构,因为它们依赖于伟大的想法,丰富了程序员的工具箱。

PS:我还对舞蹈链接等技术感兴趣,这些技术巧妙地利用了通用数据结构的财产。

编辑:请尝试包含更详细描述数据结构的页面链接。此外,试着补充几句关于数据结构为什么很酷的话(正如乔纳斯·Kölker已经指出的那样)。此外,尝试为每个答案提供一个数据结构。这将允许更好的数据结构仅根据其投票结果浮到顶部。


当前回答

Zippers——数据结构的衍生物,可以修改结构,使其具有“光标”的自然概念——当前位置。这些非常有用,因为它们保证了标记不会超出范围——例如在xmonad窗口管理器中使用,以跟踪哪个窗口已聚焦。

令人惊讶的是,您可以通过将微积分技术应用于原始数据结构的类型来派生它们!

其他回答

角落缝合的数据结构。根据总结:

拐角缝合是一种用于表示矩形二维对象。看起来特别适合VLSI交互式编辑系统布局。数据结构有两个重要特征:第一,空白明确表示;第二,矩形区域被缝合在他们的角落像一个拼缝被子。此组织快速算法的结果(线性时间或更好),创建、删除、拉伸和压实。算法如下以简化模型VLSI电路和存储器结构要求如下讨论。测量结果表明拐角缝合要求大约三倍尽可能简单的存储空间代表。

BK树或Burkhard Keller树是一种基于树的数据结构,可用于快速查找字符串的近似匹配项。

Splash桌很棒。它们就像一个普通的哈希表,只是它们保证了恒定的时间查找,并且可以处理90%的利用率而不损失性能。它们是布谷鸟哈希(也是一种很棒的数据结构)的推广。它们看起来确实有专利,但和大多数纯软件专利一样,我不会太担心。

增强的哈希算法非常有趣。线性哈希很简单,因为它允许一次在哈希表中拆分一个“桶”,而不是重新哈希整个表。这对于分布式缓存特别有用。然而,对于大多数简单的拆分策略,您最终会快速连续地拆分所有存储桶,并且表的负载系数波动非常严重。

我认为螺旋哈希法也很好。与线性哈希一样,一次拆分一个存储桶,存储桶中的记录只有不到一半被放入同一个新存储桶中。它非常干净和快速。然而,如果每个“桶”都由具有类似规格的机器托管,则效率可能很低。为了充分利用硬件,您需要混合使用功能较弱和功能更强的机器。

您可以使用最小堆来在恒定时间内找到最小元素,或者使用最大堆来找到最大元素。但如果你想同时做这两项操作呢?可以使用“最小值-最大值”在恒定时间内执行这两个操作。它通过使用最小-最大排序来工作:在连续树级别之间交替进行最小和最大堆比较。