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
我个人认为稀疏矩阵数据结构非常有趣。http://www.netlib.org/linalg/html_templates/node90.html
著名的BLAS库使用这些。当您处理包含100000行和列的线性系统时，使用它们变得至关重要。其中一些还类似于计算机图形中常见的紧凑网格（基本上类似于桶排序网格）。http://www.cs.kuleuven.be/~ares/publications/LD08CFRGRT/LD08CFRGRT.pdf
同样就计算机图形而言，MAC网格有些有趣，但这仅仅是因为它们很聪明。http://www.seas.upenn.edu/~cis665/projects/Liquiation_665_Report.pdf
其他回答
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。
PATRICIA-检索字母数字编码信息的实用算法，D.R.Morrison（1968）。
PATRICIA树与Trie相关。Tries的问题是，当密钥集稀疏时，即当实际密钥形成潜在密钥集的一个子集时，Trie中的许多（大多数）内部节点只有一个后代，这是非常常见的情况。这导致Trie具有较高的空间复杂性。
http://www.csse.monash.edu.au/~合金/瓷砖AlgdS/树/PATRICIA/
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
Kd-Trees是实时光线跟踪中使用的空间数据结构，它的缺点是需要裁剪与不同空间交叉的三角形。一般来说，BVH更快，因为它们更轻。MX-CIF四叉树，通过将规则四叉树与四叉树边缘的二叉树组合，存储边界框而不是任意点集。HAMT，由于所涉及的常数，访问时间通常超过O（1）个哈希图的分层哈希图。反向索引，在搜索引擎界非常有名，因为它用于快速检索与不同搜索词相关的文档。
大多数（如果不是全部）记录在NIST算法和数据结构词典中
远离所有这些图形结构，我只喜欢简单的环形缓冲区。
如果实施得当，您可以在保持性能的同时，甚至可以提高性能，从而大大减少内存占用。
