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
区域四叉树
（引自维基百科）
区域四叉树通过将区域分解为四个相等的象限、子象限等来表示二维空间的分区，每个叶节点包含对应于特定子区域的数据。树中的每个节点要么正好有四个子节点，要么没有子节点（叶节点）。
像这样的四叉树很适合存储空间数据，例如纬度和经度或其他类型的坐标。
这是我在大学里最喜欢的数据结构。对这家伙进行编码并看到它的工作非常酷。如果你正在寻找一个需要思考并且有点偏离常规的项目，我强烈建议你这样做。无论如何，它比通常在数据结构类中分配的标准BST派生工具有趣得多！
事实上，作为奖励，我在这里找到了（弗吉尼亚理工大学的）课堂项目前的演讲笔记（pdf警告）。
其他回答
BK树或Burkhard Keller树是一种基于树的数据结构，可用于快速查找字符串的近似匹配项。
远离所有这些图形结构，我只喜欢简单的环形缓冲区。
如果实施得当，您可以在保持性能的同时，甚至可以提高性能，从而大大减少内存占用。
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。
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。
Gerth Stølting Brodal和Chris Okasaki的自助倾斜二项式堆：
尽管它们的名字很长，但即使在函数设置中，它们也提供了渐近最优的堆操作。
O（1）尺寸，接头，插入件，最小值O（log n）删除最小值
注意，union需要O（1）而不是O（log n）时间，这与数据结构教科书中通常包含的更为知名的堆（如左派堆）不同。与斐波那契堆不同，这些渐近线是最坏的情况，而不是摊销，即使持续使用！
Haskell中有多种实现。
在Brodal提出了一个具有相同渐近线的命令堆之后，它们由Brodal和Okasaki共同导出。
