Dua kunci yang berbeda dapat di-hash ke bucket yang sama — sebuah tabrakan. Tabel hash tetap O(1) secara rata-rata dengan menyelesaikan tabrakan dan mengubah ukuran sebelum bucket menjadi penuh, yang dikendalikan oleh faktor beban.
Separate chaining: each bucket holds a list
[3] -> ("cat",9) -> ("rat",2) # both hashed to 3
Open addressing: probe to the next free slot
hash=3 taken -> try 4 -> try 5 ... (linear probing)
load factor α = number_of_entries / number_of_buckets
α rises -> more collisions -> slower lookups
When α exceeds a threshold (e.g. 0.75):
-> allocate a bigger array (usually 2x)
-> REHASH every existing key into new buckets
# Conceptual resize
def _resize(self):
old = self.buckets
self.buckets = [None] * (len(old) * 2)
for entry in all_entries(old):
self._insert(entry.key, entry.value) # rehash into new array
| Operasi | Rata-rata | Terburuk |
|---|---|---|
| lookup / insert / delete | O(1) | O(n) |
| satu pengubahan ukuran | — | O(n) |
| insert (diamortisasi, dengan pengubahan ukuran) | O(1) | — |
Pengubahan ukuran adalah O(n) tetapi jarang terjadi, jadi diamortisasi menjadi O(1) per insert.
Detail internal ini menjelaskan mengapa peta hash cepat secara rata-rata namun dapat melompat ke O(n) — sangat penting untuk kode yang sensitif terhadap kinerja dan pertahanan terhadap masukan yang bermusuhan (hash-flooding).
Memahami faktor beban juga menjelaskan tombol penyetelan memori/kecepatan yang dipaparkan oleh library sebenarnya.