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
我喜欢缓存不可见的数据结构。其基本思想是以递归更小的块来布局树，以便许多不同大小的缓存可以利用适合它们的块。这导致了从RAM中的L1缓存到从磁盘读取的大块数据的所有缓存的高效使用，而无需了解任何缓存层的大小细节。
其他回答
任何有3D渲染经验的人都应该熟悉BSP树。通常，这是一种通过构造3D场景来进行渲染的方法，该方法可以在知道相机坐标和方位的情况下进行管理。
二进制空间分区（BSP）是一种递归细分a的方法通过超平面将空间划分为凸集。该细分产生通过方法表示场景树数据结构的BSP树。换句话说，这是一种方法形状复杂的破碎多边形转化为凸集，或更小多边形完全由非反射角（小于180°). 更一般的描述空间分区，请参见空间分区。最初，提出了这种方法在3D计算机图形方面渲染效率。其他一些应用程序包括执行具有形状的几何操作（构造实体几何），机器人和3D中的碰撞检测计算机游戏和其他计算机涉及处理的应用程序复杂的空间场景。
二项式堆有很多有趣的财产，其中最有用的是合并。
Kd-Trees是实时光线跟踪中使用的空间数据结构，它的缺点是需要裁剪与不同空间交叉的三角形。一般来说，BVH更快，因为它们更轻。MX-CIF四叉树，通过将规则四叉树与四叉树边缘的二叉树组合，存储边界框而不是任意点集。HAMT，由于所涉及的常数，访问时间通常超过O（1）个哈希图的分层哈希图。反向索引，在搜索引擎界非常有名，因为它用于快速检索与不同搜索词相关的文档。
大多数（如果不是全部）记录在NIST算法和数据结构词典中
Scapegoat树。普通二叉树的一个典型问题是它们变得不平衡（例如，当按升序插入键时）
平衡二叉树（AKA AVL树）在每次插入后都会浪费大量时间进行平衡。
红黑树保持平衡，但每个节点都需要额外的存储空间。
Scapegoat树像红黑树一样保持平衡，但不需要任何额外的存储。他们通过在每次插入后分析树并进行微小调整来实现这一点。看见http://en.wikipedia.org/wiki/Scapegoat_tree.
Burrows–Wheeler变换（块排序压缩）
它是压缩的基本算法。假设您想压缩文本文件中的行。你会说，如果你对行进行排序，你就失去了信息。但BWT是这样工作的——它通过对输入进行排序，保持整数索引以恢复原始顺序，从而大大降低了熵。
