Hash tabloları birleştirmek genellikle O(N) karmaşıklığında bir işlem olarak düşünülse de, milyonlarca anahtar üzerinde yapılan testlerde 10 kattan fazla performans düşüşleri gözlemlenmiştir. Bu durum, önde gelen bazı kütüphanelerin bu tuzağa nasıl düştüğünü ve sorunun nasıl çözülebileceğini ortaya koymaktadır. Yapılan deneylerde, N'den 31 milyona kadar değişen rastgele sayılar kullanılarak iki hash tablo oluşturulmuş ve ardından biri diğerine birleştirilmiştir. Abseil, Boost, unordered_dense, khashl ve Rust'ın standart kütüphaneleri gibi popüler hash tablo kütüphaneleri test edilmiştir.
Test sonuçları, Abseil ve Boost gibi Swiss Table tabanlı kütüphanelerin, hash tablo oluşturmaya kıyasla birleştirme işleminde 20 kattan daha yavaş olduğunu göstermiştir. unordered_dense ve khashl gibi diğer kütüphaneler ise bu durumdan etkilenmemiştir. Bu performans düşüşünün temel nedeni, "birincil kümelenme" (primary clustering) olarak adlandırılan bir olgudur. Aynı hash fonksiyonu (hasher) kullanıldığında, birleştirilen tablodaki anahtarların orijinal konumları, hedef tablodaki konumlarıyla aynı olur. Bu durum, hedef tablonun belirli bölgelerinin hızla doygunluğa ulaşmasına yol açar ve genel yük faktörü düşük olsa bile performansı olumsuz etkiler.
Bu sorunu çözmek için Abseil, dahili olarak her hash tablo örneğine rastgele bir 16-bit tohum (seed) ekleyerek ve bu tohumu hash kodlarıyla karıştırarak bir çözüm sunar. Bu sayede, aynı anahtar farklı tablolarda farklı konumlara yerleştirilir ve kümelenme sorunu ortadan kalkar. Eğer özel veri tipleri için kendi hasher'ınızı kullanmanız gerekiyorsa, Abseil'in yerleşik fonksiyonlarından yararlanamazsınız. Bu durumda, kendi hasher'ınızı rastgele bir tohum ekleyen bir sarmalayıcı (wrapper) sınıfı ile kullanmak, performans düşüşünü engellemenin etkili bir yoludur.
Hash tablolarını birleştirirken aynı hash fonksiyonu ve tohum kullanımı, beklenmedik performans düşüşlerine yol açabilir ve bu durum, rastgele tohumlama stratejileriyle çözülebilir.