# task更多特性

本节简单介绍Prefect能如何增强工作流行为。但是还有很多的Prefect特性不能覆盖到。

## Task日志

教程里面的task通过Python内置**print()**函数展示信息：

```python
@task
def load_reference_data(ref_data):
    print("saving reference data...")

    db = aclib.Database()
    db.update_reference_data(ref_data)
```

相应的，task中已经有一个**Logger**对象可供使用：

```python
@task
def load_reference_data(ref_data):
    logger = prefect.context.get("logger")
    logger.info("saving reference data...")

    db = aclib.Database()
    db.update_reference_data(ref_data)
```

> 阅读有关日志的更多信息：
>
> * [使用Prefect内置日志API](https://docs.prefect.io/core/concepts/logging.html#logging)
> * [定制化日志](https://docs.prefect.io/core/advanced_tutorials/custom-logs.html)

## 丰富的存储handler

在这个特定的航班数据ETL示例中，我们没有明确的需要在过程的每步中保持中间结果。但是，Prefect提供**ResultHandler**抽象使用户能够将每个task返回的结果持久化存储到所选的存储中：

```python
from prefect.engine.result_handlers import LocalResultHandler

handler = LocalResultHandler(dir="./my-results")

with Flow("Aircraft-ETL", result_handler=handler) as flow:
    ...

flow.run()
```

现在，flow执行后，各个task生成的所有结果都将写到./my-results目录中。Prefect提供支持许多的结果处理handler，以将结果持久化存储到常见的存储选项中，例如S3，Google Cloud Storage，Azure Storage等。

> 阅读有关结果处理handler的更多信息：
>
> * [结果处理handler概念](https://docs.prefect.io/core/concepts/results.html#results-and-result-handlers)
> * [task检查](https://docs.prefect.io/core/concepts/persistence.html#checkpointing)
> * [Prefect内置提供的结果处理handler](https://docs.prefect.io/api/latest/engine/result_handlers.html)

## 先进的控制结构

在本教程中，我们可以更进一步，要求获取多个Y机场的X半径内的所有航班数据。在这种情况下，mapping是解决问题的最简单方法，为每个所需的机场调用**extract\_live\_data** task。

> 阅读有关控制结构的更多信息：
>
> * [Mapping](https://docs.prefect.io/core/concepts/mapping.html#mapping)
> * [Task Looping](https://docs.prefect.io/core/examples/task_looping.html#task-looping)
> * [Signaling](https://docs.prefect.io/core/getting_started/next-steps.html#signals)

## 现成的task库

在我们的教程中，task始终是用户定义的函数，但是Prefect提供开箱即用task的库。这是flow使用**ShellTask​​s**运行任意命令的示例：

```python
from prefect import Flow
from prefect.tasks.shell import ShellTask

shell = ShellTask()
with Flow("Simple Pipeline") as flow:
   flow.chain(
       shell(command='pip install -r requirements.txt'),
       shell(command='black --check .'),
       shell(command='pytest .'),
   )

flow.run()
```

task库包含与Kubernetes，GitHub，Slack，Docker，AWS，GCP等的集成！

接下来，Prefect还能做什么呢？

* [Prefect官网](https://www.prefect.io/)
* [英版原文](https://docs.prefect.io/core/tutorial/07-next-steps.html#ready-made-task-library)
* [联系译者](https://github.com/listen-lavender)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://listen-lavender.gitbook.io/prefect-docs/tutorial/nextsteps.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.