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
我有时使用反转列表来存储范围，它们通常用于在正则表达式中存储字符类。例如，请参见http://www.ibm.com/developerworks/linux/library/l-cpinv.html
另一个很好的用例是加权随机决策。假设你有一个符号和相关概率的列表，你想根据这些概率随机选择它们
a => 0.1 b => 0.5 c => 0.4
然后，你对所有概率进行一次连续求和：
(0.1, 0.6, 1.0)
这是你的反转列表。生成一个介于0和1之间的随机数，并查找列表中下一个较高条目的索引。你可以用二进制搜索来实现，因为它是排序的。一旦获得了索引，就可以在原始列表中查找符号。
如果有n个符号，则每个随机选择的符号都有O（n）个准备时间，然后是O（log（n））个访问时间，与权重分布无关。
反转列表的一种变体使用负数来指示范围的端点，这使得计算某一点上有多少范围重叠变得容易。看见http://www.perlmonks.org/index.pl?node_id=841368例如。
其他回答
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
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。
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。
跳过列表非常整洁。
维基百科跳过列表是一种概率数据结构，基于多个并行、排序的链接列表，其效率与二进制搜索树相当（大多数操作的顺序日志n平均时间）。
它们可以作为平衡树的替代（使用概率平衡而不是严格执行平衡）。它们很容易实现，而且比红黑树更快。我认为他们应该在每一个优秀的程序员工具箱中。
如果你想深入了解跳过列表，这里有一个麻省理工学院算法简介讲座视频的链接。
此外，这里还有一个Java小程序，直观地演示了跳过列表。
循环或环形缓冲区-用于流式传输等。
