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
使用2个堆栈实现的队列非常节省空间（与使用至少有1个额外指针/引用开销的链接列表不同）。
如何使用两个堆栈实现队列？
当排队人数很大时，这对我来说效果很好。如果我在一个指针上节省了8个字节，这意味着拥有百万条目的队列节省了大约8MB的RAM。
其他回答
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。
其他人已经提出了Burkhard Keller Trees，但我想我可能会再次提及它们，以便插入我自己的实现
http://well-adjusted.de/mspace.py/index.html
周围有更快的实现（参见ActiveState的Python配方或其他语言的实现），但我认为/希望我的代码有助于理解这些数据结构。
顺便说一句，BK和VP树可用于搜索类似字符串。只要距离函数满足几个条件（正、对称、三角形不等式），就可以对任意对象进行相似性搜索。
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.
不连续集合森林允许快速的成员查询和联合操作，并且最著名的是在Kruskal的最小生成树算法中使用。
真正酷的是，这两种操作都按阿克曼函数的倒数比例摊销了运行时间，这使其成为“最快”的非恒定时间数据结构。
我很惊讶没有人提到Merkle树（即哈希树）。
在许多情况下（P2P程序、数字签名），当您只有部分文件可用时，您需要验证整个文件的哈希。
