用Celery来获得斐波那契数列的项.md

让我们再一次计算多个输入的斐波那契数列的项，每个都用分布式的方法。现在的方法和之前的方法改变很小。 我们将终止Celery的执行(Ctrl+C)并且在tasks.py模块(之前创建过)加入fibo_task任务。

@app.task
def fibo_task(value):
	a, b = 0,1
	for item in range(value):
		a, b = b, a + b
	message = "The Fibonacci calculated with task id %s" \
	" was %d" % (fibo_task.request.id, a)
	Return (value, message)

通过<task.reaquest.id>得到任务的ID，请求对象是task的对象，task对象提供了task执行的上下文。通过上下文可以得到task的ID等信息。

在tasks.py模块加入了新的任务之后，再一次初始化Celery，结果如下图：

现在我们把fibo_task任务装载到Celery server，我们将在客户端实现对该任务的调用。

在task_dispatcher.py模块，我们会申明input_list，如下：

input_list = [4, 3, 8, 6, 10]

和前面的做法一样，定义manage_fibo_task方法：

def manage_fibo_task(value_list):
	async_result_dict = {x: app.send_task('tasks.fibo_task',
		args=(x,)) for x in value_list}
	for key, value in async_result_dict.items():
		logger.info("Value [%d] -> %s" % (key, value.get()[1]))

在manage_fibo_task方法中，创建了一个叫做async_result_dict的字典，key是传入的要计算的值，value是send_task方法返回的AyncResult对象。通过这个方法，我们可以查看任务的结果和状态。 最后，遍历字典得到输入值和输出结果。AsyncResult的get方法能够得到结果。 get()方法会阻塞进程。一个好的方法是调用ready()方法来检查结果是否返回了。 上述循环可以修改为如下；

for key, value in async_result_dict.items():
	if value.ready():
		logger.info("Value [%d] -> %s" % (key, value.get()[1]))
	else:
		logger.info("Task [%s] is not ready" % value.task_id)

不同的任务会有不同的延迟时间，为了防止无限等待，可以用get(timeout=x)方法设置超时。 最后，添加manage_fibo_task的调用，传入input_list。代码如下：

if __name__ == '__main__':
	#manage_sqrt_task(4)
	manage_fibo_task(input_list)

当我们执行task_dispatcher.py后，输入如下：

在客户端有如下输出：