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
斐波那契堆
它们被用于一些已知的最快算法（渐近）中，用于许多与图相关的问题，例如最短路径问题。Dijkstra的算法在标准二进制堆的O（E log V）时间内运行；使用斐波那契堆将其提高到O（E+V log V），这对于密集图来说是一个巨大的加速。然而，不幸的是，它们有一个很高的恒定因子，往往使它们在实践中不切实际。
其他回答
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。
以下是一些：
后缀尝试。适用于几乎所有类型的字符串搜索(http://en.wikipedia.org/wiki/Suffix_trie#Functionality). 另请参见后缀数组；它们没有后缀树那么快，但要小得多。飞溅的树木（如上所述）。它们很酷的原因有三个：它们很小：您只需要像在任何二叉树中那样的左右指针（不需要存储节点颜色或大小信息）它们（相对而言）很容易实施它们为一整套“测量标准”提供了最优的摊余复杂度（log n查找时间是每个人都知道的时间）。看见http://en.wikipedia.org/wiki/Splay_tree#Performance_theorems堆排序的搜索树：在树中存储一堆（key，prio）对，这样它就是一个关于关键字的搜索树，并根据优先级进行堆排序。人们可以看到这样一棵树有一个独特的形状（它并不总是完全堆积在左边）。使用随机优先级，它可以为您提供预期的O（log n）搜索时间，IIRC。一个小生境是具有O（1）邻居查询的无向平面图的邻接列表。与其说这是一种数据结构，不如说是一种组织现有数据结构的特定方式。这是如何做到的：每个平面图都有一个节点，其阶数最多为6。选择这样一个节点，将其邻居放在其邻居列表中，将其从图中删除，然后递归直到图为空。当给定一对（u，v）时，在v的邻居列表中查找u，在u的邻居列表上查找v。两者的大小都最多为6，因此这是O（1）。
根据上面的算法，如果u和v是邻居，那么v的列表中不会同时有u和v。如果需要，只需将每个节点缺失的邻居添加到该节点的邻居列表中，但要存储快速查找所需的邻居列表的数量。
Zippers——数据结构的衍生物，可以修改结构，使其具有“光标”的自然概念——当前位置。这些非常有用，因为它们保证了标记不会超出范围——例如在xmonad窗口管理器中使用，以跟踪哪个窗口已聚焦。
令人惊讶的是，您可以通过将微积分技术应用于原始数据结构的类型来派生它们！
它非常特定于领域，但半边缘数据结构非常整洁。它提供了一种在多边形网格（面和边）上迭代的方法，这在计算机图形和计算几何中非常有用。
三元搜索树
快速前缀搜索（用于增量自动完成等）部分匹配（当您想查找字符串X汉明距离内的所有单词时）通配符搜索
很容易实施。
