hadoop流通常指使用定制的python或shell脚本来执行map-reduce逻辑例如，使用hive transform关键字。）
在这种情况下，hadoop缓冲指的是带有连接的配置单元查询的map-reduce作业中的一个阶段，当记录从Map器中排序和分组后被读入到reducer中。作者解释了为什么要对配置单元查询中的连接子句进行排序，以便最大的表排在最后；因为它有助于优化配置单元中连接的实现。
它们是完全不同的概念。
针对您的意见：
在hive的连接实现中，它必须从多个表中获取记录，按连接键对它们进行排序，然后按正确的顺序将它们整理在一起。它必须读取按不同表分组的数据，因此它们必须看到来自不同表的组，一旦看到所有表，就开始处理它们。第一个表中的第一组需要缓冲（保存在内存中），因为在看到最后一个表之前无法处理它们。最后一个表可以流式传输（每一行在读取时都会被处理），因为其他表组都在内存中，连接可以启动。

在reduce端连接中，来自多个表的值通常被标记，以便在reducer阶段对它们进行标识，以确定它们来自哪个表。
考虑两个表的情况：
在reduce调用时，将迭代与两个表关联的混合值。
在迭代过程中，其中一个标记/表的值被本地存储到arraylist中(这是缓冲）。
在流式传递其余值并检测到另一个标记/表的值时，将从保存的arraylist中获取第一个标记的值。两个标记值被合并并写入输出收集器。
与此相比，如果较大的表值保留在arraylist中，那么如果arraylist超出了容器jvm的内存，则可能导致oom。

void reduce(TextPair key , Iterator <TextPair> values ,OutputCollector <Text,Text> output ,Reporter reporter ) throws IOException {
//buffer for table1
ArrayList <Text> table1Values = new ArrayList <Text>() ;
//table1 tag
Text table1Tag = key . getSecond();
TextPair value = null;
while( values . hasNext() ){
    value = values . next() ;
    if(value.getSecond().equals(table1Tag)){
        table1Values.add (value.getFirst() );
    }
    else{
        for( Text val : table1Values ){
            output.collect ( key.getFirst() ,new Text(val.toString() + "\t"+                    value.getFirst().toString () ));    
        }
    }
}

}
您可以使用以下提示指定哪些联接表将在reduce端进行流式处理：
从a join b on（a.key=b.key1）选择/+streamtable（a）/a.val，b.val，c.val；从a join b on（a.key=b.key1）选择join c on（c.key=b.key1）