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
任何有3D渲染经验的人都应该熟悉BSP树。通常，这是一种通过构造3D场景来进行渲染的方法，该方法可以在知道相机坐标和方位的情况下进行管理。
二进制空间分区（BSP）是一种递归细分a的方法通过超平面将空间划分为凸集。该细分产生通过方法表示场景树数据结构的BSP树。换句话说，这是一种方法形状复杂的破碎多边形转化为凸集，或更小多边形完全由非反射角（小于180°). 更一般的描述空间分区，请参见空间分区。最初，提出了这种方法在3D计算机图形方面渲染效率。其他一些应用程序包括执行具有形状的几何操作（构造实体几何），机器人和3D中的碰撞检测计算机游戏和其他计算机涉及处理的应用程序复杂的空间场景。
PATRICIA-检索字母数字编码信息的实用算法，D.R.Morrison（1968）。
PATRICIA树与Trie相关。Tries的问题是，当密钥集稀疏时，即当实际密钥形成潜在密钥集的一个子集时，Trie中的许多（大多数）内部节点只有一个后代，这是非常常见的情况。这导致Trie具有较高的空间复杂性。
http://www.csse.monash.edu.au/~合金/瓷砖AlgdS/树/PATRICIA/
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。
XOR链表使用两个XOR'd指针来减少双链表的存储需求。有点晦涩但整洁！
我真的很喜欢间隔树。它们允许您获取一组时间间隔（即开始/结束时间或其他时间），并查询哪些时间间隔包含给定时间，或哪些时间间隔在给定时间段内“活动”。查询可以在O（log n）中完成，预处理是O（n log n）。
