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
我认为当您需要将一堆项目划分为不同的集合和查询成员时，不联合集合非常适合。联合和查找操作的良好实施导致摊余成本实际上是恒定的（如果我正确回忆起我的数据结构类，则与阿克曼南函数相反）。
其他回答
Bloom过滤器：m位的位数组，最初全部设置为0。
要添加一个项，您可以通过k个哈希函数运行它，该函数将在数组中为您提供k个索引，然后将其设置为1。
要检查集合中是否有项目，请计算k个索引并检查它们是否都设置为1。
当然，这给出了一些误报的概率（根据维基百科，大约是0.61^（m/n），其中n是插入项目的数量）。假阴性是不可能的。
删除项是不可能的，但您可以实现计数布隆过滤器，由整数数组和递增/递减表示。
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。
Splay Trees很酷。它们以将最常查询的元素移到更靠近根的方式重新排序。
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.
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
