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
我认为循环排序是一种非常整洁的排序算法。
这是一种排序算法，用于最小化写入总数。这在处理闪存时尤其有用，因为闪存的寿命与写入量成正比。这是维基百科的文章，但我建议转到第一个链接。（视觉效果不错！）
其他回答
Van Emde Boas树
我想知道它们为什么很酷会很有用。一般来说，“为什么”这个问题是最重要的；）
我的答案是，他们给你O（log-logn）字典，其中包含｛1..n｝个键，而与使用的键的数量无关。就像重复减半得到O（log n）一样，重复平方得到O（log-log n），这就是vEB树中发生的情况。
成对堆是一种堆数据结构，具有相对简单的实现和出色的实际摊余性能。
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。
Bloom过滤器：m位的位数组，最初全部设置为0。
要添加一个项，您可以通过k个哈希函数运行它，该函数将在数组中为您提供k个索引，然后将其设置为1。
要检查集合中是否有项目，请计算k个索引并检查它们是否都设置为1。
当然，这给出了一些误报的概率（根据维基百科，大约是0.61^（m/n），其中n是插入项目的数量）。假阴性是不可能的。
删除项是不可能的，但您可以实现计数布隆过滤器，由整数数组和递增/递减表示。
