本文讨论了在现代数据仓库系统中，接收大量流式数据，并在存储之前将其与磁盘上的现有数据连接起来的常见场景。通过合理设置磁盘分页和应用缓存模块来分散磁盘I/O压力，在现有研究的基础上提出了一种更高效的数据接收方案，并通过引入一致性哈希函数将其扩展到分布式环境，提出了分布式环境下的d-CACHEJOIN算法应用。从理论上计算了该算法的代价模型，并在数据服从Zip-fian分布的情况下进行了仿真实验。实验结果表明，在实际应用场景中，该算法比现有算法具有更高的效率，并且可以快速方便地扩展到分布式环境。