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
我认为标准数据结构的无锁替代方案，即无锁队列、堆栈和列表被忽略了。随着并发性成为更高的优先级，它们变得越来越重要，并且比使用互斥或锁来处理并发读/写更令人钦佩。
以下是一些链接http://www.cl.cam.ac.uk/research/srg/netos/lock-free/http://www.research.ibm.com/people/m/michael/podc-1996.pdf[PDF链接]http://www.boyet.com/Articles/LockfreeStack.html
迈克·阿克顿（Mike Acton）的博客中有一些关于无锁设计和方法的优秀文章
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。
斐波那契堆
它们被用于一些已知的最快算法（渐近）中，用于许多与图相关的问题，例如最短路径问题。Dijkstra的算法在标准二进制堆的O（E log V）时间内运行；使用斐波那契堆将其提高到O（E+V log V），这对于密集图来说是一个巨大的加速。然而，不幸的是，它们有一个很高的恒定因子，往往使它们在实践中不切实际。
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！
我喜欢treaps——这是一个简单而有效的想法，即在二进制搜索树上叠加具有随机优先级的堆结构，以平衡它。
