import numpy, threading
class Worker(threading.Thread):
    def __init__(self, ws):
        self.ws = ws
        threading.Thread.__init__(self)
    def run(self):
        while True:
            numpy.sin(self.ws);

workers = []
data = numpy.arange(0, 1500, 0.0001) # 0.0001, 0.0002,0.0003...1500
for x in range(8):
    workers.append(Worker(d))
    workers[-1].start();   

class Star{
   double x[3];
   double velocity[3];
   double mass;
   double DistanceTo(Star &star);
   double* GeForce(Star &star);
   void Move(double dt=0.1);
}

import scipy.weave as wave
from time import time

data = 0.1

#пишем на чистом С
code = """
     for (int i=1; i < 10000; ++i) {
	for (int i=1; i < 10000; ++i) {
	         data+=0.01;
         };
     };
     return_val = data;
     """
t0=time()

#компилируем с помощью GCC и исполняем, передавая на вход переменную data
result = wave.inline(code, ['data'], compiler='gcc')
print time()-t0

#Теперь на питоне: data=0.1
t0=time()
for x in xrange(10000):
	for y in xrange(10000):
		data+=0.01
print time()-t0

class Foo(db.Model):
  bar = db.StringProperty()

 entity = Foo(bar = "asd")
 entity.put()
 entity = Foo(bar = "dsa")
 entity.put()

class Foo(db.Model):
  bar = db.StringProperty()
  isOk = db.BooleanProperty(default = False)

yaml_data = yaml.load(self.request.get('yaml'))
tarifs = []
for d in yaml_data:
  tarifs.append(models.Tarif(**d))

split_size=50

for i in xrange(0, len(tarifs), split_size)
   db.put(tarifs[i:i+ split_size])

• 7 сек на то что бы загрузить этот YAML. Почему так долго - не понятно. urlfetch сегодня барахлит, но я вгружал данные через форму.
  
• 5 сек на парсинг
  
• 0.2 сек на создание новых объектов Tarif для сохранения в БД
  
• 0.15 сек на удаление старых записей
  
• 0.1*12 сек на сохранение блока из 50 записей в БД