过度的消耗内存导致需要利用大量的时间进行垃圾回收。
Rails 是个令人愉快的框架，而且 Ruby 也是一个简洁而优雅的语言。但是如果它被滥用，那会相当的影响性能。有很多工作并不适合用 Ruby and Rails，你最好使用其它的工具，比如，数据库在大数据处理上优势明显，R 语言特别适合做统计学相关的工作。
内存问题是导致诸多 Ruby 应用变慢的首要原因。Rails 性能优化的 80-20 法则是这样的：80% 的提速是源自于对内存的优化，剩下的 20% 属于其它因素。为什么内存消耗如此重要呢？因为你分配的内存越多，Ruby GC（Ruby 的垃圾回收机制）需要做的工作也就越多。Rails 就已经占用了很大的内存了，而且平均每个应用刚刚启动后都要占用将近 100M 的内存。如果你不注意内存的控制，你的程序内存增长超过 1G 是很有可能的。需要回收这么多的内存，难怪程序执行的大部分时间都被 GC 占用了。
Ruby是非常流行的构建网站技术，最著名的是Twitter，Basecamp，Github，Airbnb，Slideshare，Groupon。Rbuy和Python都是面向对象的语言，都是动态和灵活的，这些技术的主要区别在于他们解决问题的方式。Ruby提供了不同的方法。
最流行的Ruby框架是Ruby on
rails，它和Django非常类似，因为这两个框架都是为了解决相同的任务。如果我们比较这些技术的社区，你会意外的发现他们是一样的，然而形成这些团体的人是不同的。Python在数据科学和数学方面很受欢迎，你可以找到很多的引导者。
当你开发Web应用程序时，可以用RoR实现，也可以用Django，两者都是非常快速高效的，如果开发偏重于大量计算和数据处理的应用，则可以选择Python。
Python的支持者是世界上规模最大和构成最多样化的一个团队，不仅有数以千计的个人开发者，同时还有诸如谷歌、yandex、Dropbox、Mozilla、微软等巨头公司，他们和其他公司一起，已经用Python创建了世界最大的和最受欢迎的项目。
与Rbuy相比，Python更加流行，目前已广泛应用于人工智能、云计算开发、大数据开发、数据分析、科学运算、网站开发、爬虫、自动化运维、自动化测试等领域，就业范围广，薪资待遇高，且入门简单、语法清晰。
大数据技术包括数据收集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现。
1、数据收集：在大数据的生命周期中，数据采集处于第一个环节。根据MapReduce产生数据的应用系统分类，大数据的采集主要有4种来源：管理信息系统、Web信息系统、物理信息系统、科学实验系统。
2、数据存取：大数据的存去采用不同的技术路线，大致可以分为3类。第1类主要面对的是大规模的结构化数据。第2类主要面对的是半结构化和非结构化数据。第3类面对的是结构化和非结构化混合的大数据，
3、基础架构：云存储、分布式文件存储等。
4、数据处理：对于采集到的不同的数据集，可能存在不同的结构和模式，如文件、XML 树、关系表等，表现为数据的异构性。对多个异构的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成到一个新的数据集，为后续查询和分析处理提供统一的数据视图。
5、统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析(最优尺度分析)、bootstrap技术等等。
6、数据挖掘：目前，还需要改进已有数据挖掘和机器学习技术；开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术；突破基于对象的数据连接、相似性连接等大数据融合技术；突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。
7、模型预测：预测模型、机器学习、建模仿真。
8、结果呈现：云计算、标签云、关系图等。
