Partager via

Résoudre des problèmes liés à l’API multivariée

  • Article

Important

À partir du 20 septembre 2023, vous ne pourrez plus créer de ressources Détecteur d’anomalies. Le service Détecteur d’anomalies sera supprimé le 1er octobre 2026.

Cet article fournit des conseils sur la façon de résoudre et de corriger des messages d’erreur courants lors de l’utilisation de l’API multivariée Azure AI Détecteur d’anomalies.

Codes d’erreur Détecteur d’anomalies (multivarié)

Les tableaux suivants répertorient les codes d’erreur multivariés.

Erreurs courantes

Code d'erreur Code d'erreur HTTP Message d’erreur Commentaire
SubscriptionNotInHeaders 400 apim-subscription-id introuvable dans les en-têtes. Ajoutez votre ID d’abonnement APIM dans l’en-tête. Un exemple d’en-tête est {"apim-subscription-id": <Your Subscription ID>}.
FileNotExist 400 Le fichier <source> n’existe pas. Vérifiez la validité de la signature d’accès partagé de votre blob. Vérifiez qu’elle n’a pas expiré.
InvalidBlobURL 400 La signature d’accès partagé de votre blob n’est pas une signature d’accès partagé valide.
StorageWriteError 403 Cette erreur peut être due à des problèmes d’autorisation. Notre service n’est pas autorisé à écrire les données dans le blob chiffré par une clé gérée par le client. Supprimez la clé gérée par le client ou accordez de nouveau l’accès à notre service. Pour plus d’informations, consultez Configurer des clés gérées par le client avec Azure Key Vault pour Azure AI services.
StorageReadError 403 Comme pour StorageWriteError.
UnexpectedError 500 Contactez-nous en nous fournissant des informations détaillées sur l’erreur. Vous pouvez utiliser les options de support et d’aide d’Azure AI services ou nous envoyer un e-mail à l’adresse AnomalyDetector@microsoft.com.

Effectuer l’apprentissage d’un modèle de détection d'anomalie multivariée

Code d'erreur Code d'erreur HTTP Message d’erreur Commentaire
TooManyModels 400 Cet abonnement a atteint le nombre maximal de modèles. Chaque ID d’abonnement APIM peut avoir 300 modèles actifs. Supprimez les modèles inutilisés avant d’effectuer l’apprentissage d’un nouveau modèle.
TooManyRunningModels 400 Cet abonnement a atteint le nombre maximal de modèles en cours d’exécution. Chaque ID d’abonnement APIM peut effectuer l'apprentissage de 5 modèles simultanément. Effectuez l'apprentissage d’un nouveau modèle une fois le processus d’apprentissage des modèles précédents terminé.
InvalidJsonFormat 400 Format JSON non valide. La demande d’apprentissage n’est pas un JSON valide.
InvalidAlignMode 400 Le champ 'alignMode' doit être 'Inner' ou 'Outer'. Vérifiez la valeur de 'alignMode' qui doit être 'Inner' ou 'Outer' (respect de la casse).
InvalidFillNAMethod 400 Le champ 'fillNAMethod' doit être 'Previous', 'Subsequent', 'Linear', 'Zero', 'Fixed' ou 'NotFill'. Ce ne peut pas être 'NotFill' quand 'alignMode' est 'Outer'. Vérifiez la valeur 'fillNAMethod'. Pour plus d’informations, consultez Meilleures pratiques d’utilisation de l’API Détecteur d’anomalies multivarié.
RequiredPaddingValue 400 Le champ 'paddingValue' est nécessaire dans la demande quand 'fillNAMethod' est 'Fixed'. Vous devez fournir une valeur de remplissage valide quand 'fillNAMethod' est 'Fixed'. Pour plus d’informations, consultez Meilleures pratiques d’utilisation de l’API Détecteur d’anomalies multivarié.
RequiredSource 400 Le champ 'source' est nécessaire dans la demande. Votre demande d’apprentissage ne spécifie aucune valeur pour le champ 'source'. par exemple {"source": <Your Blob SAS>}.
RequiredStartTime 400 Le champ 'startTime' est nécessaire dans la demande. Votre demande d’apprentissage ne spécifie aucune valeur pour le champ 'startTime'. par exemple {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Format de timestamp non valide. Le format de <timestamp> n’est pas un format valide. Le format de timestamp dans le corps de la demande n’est pas correct. Essayez import pandas as pd; pd.to_datetime(timestamp) pour vérifier.
RequiredEndTime 400 Le champ 'endTime' est nécessaire dans la demande. Votre demande d’apprentissage ne spécifie aucune valeur pour le champ 'startTime'. par exemple {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 Le champ 'slidingWindow' doit être un entier compris entre 28 et 2880. Le champ 'slidingWindow' doit être un entier compris entre 28 et 2880 (inclus).

Obtenir un modèle multivarié avec un ID de modèle

Code d'erreur Code d'erreur HTTP Message d’erreur Commentaire
ModelNotExist 404 Le modèle n’existe pas. Il n’existe pas de modèle dont l’ID de modèle correspond. Vérifiez l’ID de modèle dans l’URL de la demande.

Répertorier les modèles multivariés

Code d'erreur Code d'erreur HTTP Message d’erreur Commentaire
InvalidRequestParameterError 400 Valeurs non valides pour $skip ou $top. Vérifiez que les valeurs des deux paramètres sont numériques. Les paramètres $skip et $top sont utilisés pour répertorier les modèles avec une pagination. Étant donné que l’API retourne uniquement les 10 modèles les plus récemment mis à jour, vous pouvez utiliser $skip et $top pour obtenir les modèles mis à jour plus tôt.

Détection d’anomalie avec un modèle formé

Code d'erreur Code d'erreur HTTP Message d’erreur Commentaire
ModelNotExist 404 Le modèle n’existe pas. Le modèle utilisé pour l’inférence n’existe pas. Vérifiez l’ID de modèle dans l’URL de la demande.
ModelFailed 400 L’entraînement du modèle a échoué. Le modèle n’a pas été correctement formé. Récupérez des informations détaillées en obtenant le modèle avec l’ID de modèle.
ModelNotReady 400 Le modèle n’est pas encore prêt. Le modèle n’est pas encore prêt. Patientez jusqu’à la fin du processus d’apprentissage.
InvalidFileSize 413 Le fichier <fichier> dépasse la limite de taille de fichier (<limite_de_taille.> octets). La taille des données d’inférence dépasse la limite supérieure qui est actuellement de 2 Go. Utilisez moins de données pour l’inférence.

Obtenir les résultats de la détection

Code d'erreur Code d'erreur HTTP Message d’erreur Commentaire
ResultNotExist 404 Le résultat n’existe pas. Le résultat par demande n’existe pas. L’inférence n’est pas terminée ou le résultat a expiré. Le temps d’expiration est de sept jours.

Erreurs de traitement des données

Les codes d’erreur suivants n’ont pas de code d’erreur HTTP associé.

Code d'erreur Message d’erreur Commentaire
NoVariablesFound Aucune variable n’a été trouvée. Vérifiez que vos fichiers sont organisés selon les instructions. Aucun fichier CSV n’a été trouvé à partir de la source de données. Cette erreur est généralement due à une organisation incorrecte des fichiers. Reportez-vous aux exemples de données pour la structure souhaitée.
DuplicatedVariables Il existe plusieurs variables portant le même nom. Il existe des noms de variables en double.
FileNotExist Le fichier <nom_fichier> n’existe pas. Cette erreur se produit généralement durant l’inférence. La variable est apparue dans les données d’entraînement, mais elle est absente des données d’inférence.
RedundantFile Le fichier <nom_fichier> est redondant. Cette erreur se produit généralement durant l’inférence. La variable était absente des données d’entraînement, mais est apparue dans les données d’inférence.
FileSizeTooLarge La taille du fichier <nom_fichier> est trop élevée. La taille du fichier CSV unique <nom_fichier> dépasse la limite. Effectuez l’apprentissage avec moins de données.
ReadingFileError Des erreurs se sont produites pendant la lecture de <nom_fichier>. <Messages d’erreur> Échec de la lecture du fichier <nom_fichier>. Pour plus d’informations, consultez les <messages d’erreur> ou vérifiez avec pd.read_csv(filename) dans un environnement local.
FileColumnsNotExist Les colonnes timestamp ou value dans le fichier <nom_fichier> n’existent pas. Chaque fichier CSV doit avoir deux colonnes avec les noms timestamp et value (respect de la casse).
VariableParseError Erreur <message_erreur> d’analyse de la variable <variable>. Impossible de traiter la <variable> en raison d’erreurs d’exécution. Pour plus d’informations, consultez le <message d’erreur> ou contactez-nous en fournissant le <message d’erreur>.
MergeDataFailed Échec de la fusion des données. Vérifiez le format des données. La fusion des données a échoué. Cette erreur est probablement due à un format de données incorrect ou à une organisation incorrecte des fichiers. Consultez l’exemple de données pour la structure de fichiers actuelle.
ColumnNotFound La colonne <colonne> est introuvable dans les données fusionnées. Une colonne est manquante après la fusion. Vérifier les données
NumColumnsMismatch Le nombre de colonnes de données fusionnées ne correspond pas au nombre de variables. Vérifier les données
TooManyData Points de données trop nombreux. Le nombre maximal est 1 000 000 par variable. Réduisez la taille des données d’entrée.
NoData Aucune donnée effective. Il n’y a aucune donnée pour apprentissage/inférence après le traitement. Vérifiez les heures de début et de fin.
DataExceedsLimit. La longueur des données dont l’horodatage est compris entre startTime et endTime dépasse la limite (<limite>). La taille des données après le traitement dépasse la limite. Il n’existe actuellement aucune limite aux données traitées.
NotEnoughInput Données insuffisantes. La longueur des données est <longueur des données>, mais la longueur minimale doit être supérieure à celle de la fenêtre glissante qui est <taille de la fenêtre glissante>. Le nombre minimal de points de données pour une inférence correspond à la taille de la fenêtre glissante. Essayez de fournir plus de données pour l’inférence.