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
Hinze和Paterson的2-3手指树是一种功能强大的数据结构瑞士军刀，具有很好的渐近线，适用于各种操作。虽然复杂，但它们比之前的Kaplan和Tarjan通过递归减速实现的持久列表的命令式结构简单得多。
它们作为一个可链接的deque，O（1）访问任意一端，O（log-min（n，m））追加，并提供O（log-main（n），length-n））索引，直接访问序列的任何部分上的单形前缀和。
实现存在于Haskell、Coq、F#、Scala、Java、C、Clojure、C#和其他语言中。
您可以使用它们来实现优先级搜索队列、区间映射、具有快速头部访问的绳索、映射、集合、可链接序列或几乎任何结构，您可以将其表述为在快速可链接/可索引序列上收集单形结果。
我还有一些幻灯片描述了它们的派生和使用。
其他回答
成对堆是一种堆数据结构，具有相对简单的实现和出色的实际摊余性能。
以下是一些：
后缀尝试。适用于几乎所有类型的字符串搜索(http://en.wikipedia.org/wiki/Suffix_trie#Functionality). 另请参见后缀数组；它们没有后缀树那么快，但要小得多。飞溅的树木（如上所述）。它们很酷的原因有三个：它们很小：您只需要像在任何二叉树中那样的左右指针（不需要存储节点颜色或大小信息）它们（相对而言）很容易实施它们为一整套“测量标准”提供了最优的摊余复杂度（log n查找时间是每个人都知道的时间）。看见http://en.wikipedia.org/wiki/Splay_tree#Performance_theorems堆排序的搜索树：在树中存储一堆（key，prio）对，这样它就是一个关于关键字的搜索树，并根据优先级进行堆排序。人们可以看到这样一棵树有一个独特的形状（它并不总是完全堆积在左边）。使用随机优先级，它可以为您提供预期的O（log n）搜索时间，IIRC。一个小生境是具有O（1）邻居查询的无向平面图的邻接列表。与其说这是一种数据结构，不如说是一种组织现有数据结构的特定方式。这是如何做到的：每个平面图都有一个节点，其阶数最多为6。选择这样一个节点，将其邻居放在其邻居列表中，将其从图中删除，然后递归直到图为空。当给定一对（u，v）时，在v的邻居列表中查找u，在u的邻居列表上查找v。两者的大小都最多为6，因此这是O（1）。
根据上面的算法，如果u和v是邻居，那么v的列表中不会同时有u和v。如果需要，只需将每个节点缺失的邻居添加到该节点的邻居列表中，但要存储快速查找所需的邻居列表的数量。
我认为当您需要将一堆项目划分为不同的集合和查询成员时，不联合集合非常适合。联合和查找操作的良好实施导致摊余成本实际上是恒定的（如果我正确回忆起我的数据结构类，则与阿克曼南函数相反）。
哈希表的一个有趣的变体叫做布谷鸟哈希。为了处理哈希冲突，它使用多个哈希函数而不是1。通过从主哈希指定的位置删除旧对象，并将其移动到备用哈希函数指定的位置，可以解决冲突。Cuckoo Hashing允许更有效地使用内存空间，因为您只需要3个哈希函数就可以将负载因子提高91%，而且访问时间也很长。
优先级取消队列比维护两个不同排序的独立优先级队列更便宜。http://www.alexandria.ucsb.edu/middleware/javadoc/edu/ucsb/adl/middleware/PriorityDeque.htmlhttp://cphstl.dk/Report/Priority-deque/cphstl-report-2001-14.pdf
