En la última década, el volumen de datos semánticos ha aumentado exponencialmente, con el número de conjuntos de datos de Framework de Descripción de Recursos (RDF) superando los billones de triples en repositorios RDF. Por lo tanto, el tamaño de los conjuntos de datos RDF sigue creciendo. Sin embargo, con el creciente número de triples RDF, las consultas RDF múltiples y complejas están convirtiéndose en una demanda significativa. A veces, dichas consultas complejas producen muchas subexpresiones comunes en una sola consulta o en múltiples consultas que se ejecutan en lotes. Además, también es difícil minimizar el número de consultas RDF y el tiempo de procesamiento para una gran cantidad de datos relacionados en un entorno distribuido típico. Para abordar esta complicación, presentamos un modelo de procesamiento de consultas de unión para datos RDF grandes, llamado JQPro. Al adoptar un marco MapReduce en JQPro, desarrollamos tres nuevos algoritmos, que son hash-join, sort-merge y MapReduce-join mejorado para el procesamiento de consultas de unión de datos RDF. Según un experimento realizado, el resultado mostró que el modelo JQPro superó a los dos algoritmos populares, gStore y RDF-3X, en cuanto al tiempo de ejecución promedio. Además, el modelo JQPro también se probó contra RDF-3X, RDFox y PARJs utilizando el benchmark LUBM. El resultado mostró que el modelo JQPro tuvo un mejor rendimiento en comparación con los otros modelos. En conclusión, los hallazgos mostraron que JQPro logró un rendimiento mejorado con un 87.77% en términos de tiempo de ejecución. Por lo tanto, en comparación con los modelos seleccionados, JQPro tiene un mejor rendimiento.