python处理海量多需求数据方案

我每天会处理数据量G级甚至更高的报文数据，用python写了脚本每天定时或后台自动运行，因为同一批数据可能有好几个不同的需求，有的是扫描统计，有的是分析入库，有的是临时查询……
这些需求的一个共同特点就是去读这些报文，然后按照各自需求去解析这些数据，现在一些需求中在分析时加了一些新的协议规则，而且数据量越来越大，一个脚本跑下来要两三个小时，好几个类似的的脚本，每天需要大量的时间，现在想优化一下，提高运行效率。

我自己也考虑过一些方案，比如把核心代码用c或c++写，然后python调用，但我感觉还是解决不了我面临的问题；我想我需要的是一种新的架构，思想 去解决这个问题，一个脚本两三个小时不可怕，可怕的是多个需求，读取同一批数据解析，时间却不得不累积。
请教一下各位有没有一些想法可以解决这个运行效率的问题，感谢~~

先分析下性能瓶颈在哪里。
另外运行的时候你的系统的CPU使用是多少，如果比较低，可以并行处理，如果比较高，只能先优化单任务的性能。