Due chiavi distinte possono hash nello stesso bucket — una collisione. Le tabelle hash mantengono O(1) in media risolvendo le collisioni e ridimensionandosi prima che i bucket si riempiano troppo, controllato dal fattore di carico.
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
| Operazione | Media | Peggiore |
|---|---|---|
| lookup / insert / delete | O(1) | O(n) |
| singolo ridimensionamento | — | O(n) |
| insert (ammortizzato, con ridimensionamento) | O(1) | — |
Un ridimensionamento è O(n) ma accade raramente, quindi si ammortizza a O(1) per insert.
Questi dettagli interni spiegano perché le hash map sono veloci in media ma possono raggiungere O(n) — cruciale per il codice sensibile alle prestazioni e le difese contro input avversariali (hash-flooding). Comprendere il fattore di carico spiega anche i knob di sintonizzazione memoria/velocità esposti dalle librerie reali.