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
三元搜索树
快速前缀搜索（用于增量自动完成等）部分匹配（当您想查找字符串X汉明距离内的所有单词时）通配符搜索
很容易实施。
其他回答
使用2个堆栈实现的队列非常节省空间（与使用至少有1个额外指针/引用开销的链接列表不同）。
如何使用两个堆栈实现队列？
当排队人数很大时，这对我来说效果很好。如果我在一个指针上节省了8个字节，这意味着拥有百万条目的队列节省了大约8MB的RAM。
Gerth Stølting Brodal和Chris Okasaki的自助倾斜二项式堆：
尽管它们的名字很长，但即使在函数设置中，它们也提供了渐近最优的堆操作。
O（1）尺寸，接头，插入件，最小值O（log n）删除最小值
注意，union需要O（1）而不是O（log n）时间，这与数据结构教科书中通常包含的更为知名的堆（如左派堆）不同。与斐波那契堆不同，这些渐近线是最坏的情况，而不是摊销，即使持续使用！
Haskell中有多种实现。
在Brodal提出了一个具有相同渐近线的命令堆之后，它们由Brodal和Okasaki共同导出。
当我读到一些与RMQ和LCA相关的算法时，我偶然发现了另一种数据结构笛卡尔树。在笛卡尔树中，两个节点之间的最低共同祖先是它们之间的最小节点。将RMQ问题转换为LCA非常有用。
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.
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。
