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
根据Bloom Filter提到的，可删除Bloom Filter（DlBF）在某些方面优于基本计数变体。看见http://arxiv.org/abs/1005.0352
其他回答
空间索引，特别是R-树和KD树，有效地存储空间数据。它们适用于地理地图坐标数据和VLSI位置和路线算法，有时也适用于最近邻搜索。
位阵列紧凑地存储单个位，并允许快速位操作。
二进制决策图是我最喜欢的数据结构之一，或者实际上是降序二进制决策图（ROBDD）。
例如，此类结构可用于：
表示项目集合并对这些集合执行非常快速的逻辑运算。任何布尔表达式，旨在查找表达式的所有解
注意，许多问题可以用布尔表达式表示。例如，suduku的解可以表示为布尔表达式。为该布尔表达式构建BDD将立即生成解决方案。
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。
增强的哈希算法非常有趣。线性哈希很简单，因为它允许一次在哈希表中拆分一个“桶”，而不是重新哈希整个表。这对于分布式缓存特别有用。然而，对于大多数简单的拆分策略，您最终会快速连续地拆分所有存储桶，并且表的负载系数波动非常严重。
我认为螺旋哈希法也很好。与线性哈希一样，一次拆分一个存储桶，存储桶中的记录只有不到一半被放入同一个新存储桶中。它非常干净和快速。然而，如果每个“桶”都由具有类似规格的机器托管，则效率可能很低。为了充分利用硬件，您需要混合使用功能较弱和功能更强的机器。
有一种巧妙的数据结构，它使用数组来保存元素的数据，但数组在链接列表/数组中链接在一起。
这确实具有这样的优点，即对元素的迭代非常快（比纯链接列表方法更快），并且在内存和/或（去）分配中移动带有元素的数组的成本最低。（正因为如此，此数据结构对于模拟工作非常有用）。
我从这里知道：
http://software.intel.com/en-us/blogs/2010/03/26/linked-list-verses-array/
“……并且一个额外的数组被分配并链接到粒子数组的单元格列表中。这在某些方面类似于TBB实现其并发容器的方式。”（这是关于链接列表与数组的性能）
