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
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。
其他回答
芬威克树。这是一种数据结构，用于计算向量中两个给定的子索引i和j之间的所有元素的总和。简单的解决方案是，从开始时就预先计算总和，不允许更新项目（必须做O（n）工作才能跟上）。
Fenwick Trees允许您在O（logn）中更新和查询，它的工作方式非常简单。芬威克的原始论文对这一点做了很好的解释，可以在这里免费获得：
http://www.cs.ubc.ca/local/reading/proceedings/spe91-95/spe/vol24/issue3/spe884.pdf
它的父亲RQM树也很酷：它允许您保存关于向量的两个索引之间的最小元素的信息，它还可以在O（logn）更新和查询中工作。我喜欢先教RQM，然后教芬威克树。
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。
Van Emde Boas树
我想知道它们为什么很酷会很有用。一般来说，“为什么”这个问题是最重要的；）
我的答案是，他们给你O（log-logn）字典，其中包含｛1..n｝个键，而与使用的键的数量无关。就像重复减半得到O（log n）一样，重复平方得到O（log-log n），这就是vEB树中发生的情况。
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
二项式堆有很多有趣的财产，其中最有用的是合并。
