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
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。
其他回答
增强的哈希算法非常有趣。线性哈希很简单，因为它允许一次在哈希表中拆分一个“桶”，而不是重新哈希整个表。这对于分布式缓存特别有用。然而，对于大多数简单的拆分策略，您最终会快速连续地拆分所有存储桶，并且表的负载系数波动非常严重。
我认为螺旋哈希法也很好。与线性哈希一样，一次拆分一个存储桶，存储桶中的记录只有不到一半被放入同一个新存储桶中。它非常干净和快速。然而，如果每个“桶”都由具有类似规格的机器托管，则效率可能很低。为了充分利用硬件，您需要混合使用功能较弱和功能更强的机器。
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。
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。
BK树或Burkhard Keller树是一种基于树的数据结构，可用于快速查找字符串的近似匹配项。
我以前和WPL Trees一起过得很好。最小化分支加权路径长度的树变体。权重由节点访问决定，以便频繁访问的节点迁移到更靠近根的位置。不知道它们与八字树相比如何，因为我从未使用过。
