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
Arne Andersson树是红黑树的一种更简单的替代方案，其中只有正确的链接可以是红色的。这大大简化了维护，同时保持了与红黑树相同的性能。原论文给出了一个很好的简短的插入和删除实现。
其他回答
循环或环形缓冲区-用于流式传输等。
DAWG是一种特殊的Trie，其中类似的子树被压缩为单亲。我扩展了修改后的DAWG，并提出了一个漂亮的数据结构ASSDAWG（Anagram Search Sorted DAWG）。这种工作方式是，每当将字符串插入DAWG时，首先对其进行桶排序，然后插入，叶节点保存一个额外的数字，指示如果我们从根到达该叶节点，哪些排列是有效的。这有两大优点：
由于我在插入之前对字符串进行排序，并且DAWG自然会折叠类似的子树，所以我得到了高级别的压缩（例如，“吃”、“吃”和“茶”都变成了一条路径a-e-t，在叶节点处有一个数字列表，指示a-e-t的哪些排列是有效的）。搜索给定字符串的变位现在是非常快速和简单的，因为从根到叶的路径使用排列数保存了叶节点处该路径的所有有效变位。
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！
跳过列表实际上非常棒：http://en.wikipedia.org/wiki/Skip_list
二进制决策图（我最喜欢的数据结构，擅长表示布尔方程并解决它们。适用于很多事情）堆（一个树，其中节点的父节点总是与节点的子节点保持某种关系，例如，节点的父级总是大于它的每个子节点（最大堆））优先级队列（实际上只有最小堆和最大堆，有助于维护大量元素的顺序，例如，应该首先删除具有最高值的项目）哈希表（具有各种查找策略和桶溢出处理）平衡的二进制搜索树（每种都有自己的优点）RB树（当以有序方式插入、查找、删除和迭代时，总体良好）Avl树（查找速度比RB快，但其他方面与RB非常相似）Splay树（当最近使用的节点可能被重用时，查找速度更快）融合树（利用快速乘法获得更好的查找时间）B+树（用于数据库和文件系统中的索引，当从索引读取/写入索引的延迟很长时非常有效）。空间索引（非常适合查询点/圆/矩形/线/立方体是否彼此接近或包含在其中）BSP树四叉树八叉树范围树许多相似但略有不同的树木，不同的尺寸区间树（很好地找到重叠区间，线性）图邻接列表（基本上是边的列表）邻接矩阵（表示图的有向边的表，每边一个位。对于图遍历非常快速）
这些是我能想到的。维基百科上还有更多关于数据结构的内容
