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
我个人认为稀疏矩阵数据结构非常有趣。http://www.netlib.org/linalg/html_templates/node90.html
著名的BLAS库使用这些。当您处理包含100000行和列的线性系统时，使用它们变得至关重要。其中一些还类似于计算机图形中常见的紧凑网格（基本上类似于桶排序网格）。http://www.cs.kuleuven.be/~ares/publications/LD08CFRGRT/LD08CFRGRT.pdf
同样就计算机图形而言，MAC网格有些有趣，但这仅仅是因为它们很聪明。http://www.seas.upenn.edu/~cis665/projects/Liquiation_665_Report.pdf
其他回答
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。
Burrows–Wheeler变换（块排序压缩）
它是压缩的基本算法。假设您想压缩文本文件中的行。你会说，如果你对行进行排序，你就失去了信息。但BWT是这样工作的——它通过对输入进行排序，保持整数索引以恢复原始顺序，从而大大降低了熵。
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。
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。
我有时使用反转列表来存储范围，它们通常用于在正则表达式中存储字符类。例如，请参见http://www.ibm.com/developerworks/linux/library/l-cpinv.html
另一个很好的用例是加权随机决策。假设你有一个符号和相关概率的列表，你想根据这些概率随机选择它们
a => 0.1 b => 0.5 c => 0.4
然后，你对所有概率进行一次连续求和：
(0.1, 0.6, 1.0)
这是你的反转列表。生成一个介于0和1之间的随机数，并查找列表中下一个较高条目的索引。你可以用二进制搜索来实现，因为它是排序的。一旦获得了索引，就可以在原始列表中查找符号。
如果有n个符号，则每个随机选择的符号都有O（n）个准备时间，然后是O（log（n））个访问时间，与权重分布无关。
反转列表的一种变体使用负数来指示范围的端点，这使得计算某一点上有多少范围重叠变得容易。看见http://www.perlmonks.org/index.pl?node_id=841368例如。
