Memecahkan masalah API multivariat
Penting
Mulai tanggal 20 September 2023 Anda tidak akan dapat membuat sumber daya Detektor Anomali baru. Layanan Detektor Anomali dihentikan pada tanggal 1 Oktober 2026.
Artikel ini menyediakan panduan tentang cara memecahkan masalah dan memulihkan pesan kesalahan umum saat Anda menggunakan API multivariat Detektor Anomali Azure AI.
Kode galat multivariat
Tabel berikut mencantumkan kode kesalahan multivariat.
Kesalahan umum
Kode kesalahan | Kode galat HTTP | Pesan kesalahan | Komentar |
---|---|---|---|
SubscriptionNotInHeaders |
400 | apim-subscription-id tidak ditemukan di header. | Tambahkan ID langganan APIM Anda di header. Contoh header adalah {"apim-subscription-id": <Your Subscription ID>} . |
FileNotExist |
400 | <Sumber> file tidak ada. | Periksa validitas tanda tangan akses bersama blob Anda. Pastikan itu belum kedaluwarsa. |
InvalidBlobURL |
400 | Tanda tangan akses bersama blob Anda bukan tanda tangan akses bersama yang valid. | |
StorageWriteError |
403 | Kesalahan ini mungkin disebabkan oleh masalah izin. Layanan kami tidak diizinkan untuk menulis data ke blob{i> Mengonfigurasi kunci yang dikelola pelanggan dengan Azure Key Vault untuk layanan Azure AI. | |
StorageReadError |
403 | Sama seperti StorageWriteError . |
|
UnexpectedError |
500 | Hubungi kami dengan informasi kesalahan terperinci. Anda dapat mengambil opsi dukungan dari dukungan layanan Azure AI dan opsi bantuan atau mengirim email kepada kami di AnomalyDetector@microsoft.com. |
Melatih model deteksi anomali multivariat
Kode kesalahan | Kode galat HTTP | Pesan kesalahan | Komentar |
---|---|---|---|
TooManyModels |
400 | Langganan ini telah mencapai angka model maksimum. | Setiap ID berlangganan APIM diperbolehkan memiliki 300 model aktif. Hapus model yang tidak digunakan sebelum Anda melatih model baru. |
TooManyRunningModels |
400 | Langganan ini telah mencapai jumlah maksimum model yang berjalan. | Setiap ID langganan APIM diizinkan untuk melatih lima model secara bersamaan. Latih model baru setelah model sebelumnya telah menyelesaikan proses pelatihan mereka. |
InvalidJsonFormat |
400 | Format JSON tidak valid. | Permintaan pelatihan bukanlah JSON yang valid. |
InvalidAlignMode |
400 | Bidang 'alignMode' harus berupa salah satu dari yang berikut: 'Inner' atau 'Outer' . |
Periksa nilai 'alignMode' , yang harus berupa 'Inner' atau 'Outer' (peka huruf besar/kecil). |
InvalidFillNAMethod |
400 | Bidang 'fillNAMethod' harus berupa salah satu dari yang berikut: 'Previous' , 'Subsequent' , 'Linear' , 'Zero' , 'Fixed' , 'NotFill' . Tidak bisa 'NotFill' saat 'alignMode' adalah 'Outer' . |
Periksa nilai 'fillNAMethod' . Untuk informasi selengkapnya, lihat Praktik terbaik untuk menggunakan API multivariat Anomaly Detector. |
RequiredPaddingValue |
400 | Bidang 'paddingValue' diperlukan dalam permintaan ketika 'fillNAMethod' adalah 'Fixed' . |
Anda perlu memberikan nilai padding yang valid ketika 'fillNAMethod' adalah 'Fixed' . Untuk informasi selengkapnya, lihat Praktik terbaik untuk menggunakan API multivariat Anomaly Detector. |
RequiredSource |
400 | Bidang 'source' diperlukan dalam permintaan. |
Permintaan pelatihan Anda belum menentukan nilai untuk bidang 'source' . Contohnya {"source": <Your Blob SAS>} . |
RequiredStartTime |
400 | Bidang 'startTime' diperlukan dalam permintaan. |
Permintaan pelatihan Anda belum menentukan nilai untuk bidang 'startTime' . Contohnya {"startTime": "2021-01-01T00:00:00Z"} . |
InvalidTimestampFormat |
400 | Format stempel waktu tidak valid. Format <timestamp> bukan format valid. |
Format stempel waktu dalam isi permintaan tidak benar. Coba import pandas as pd; pd.to_datetime(timestamp) untuk memverifikasi. |
RequiredEndTime |
400 | Bidang 'endTime' diperlukan dalam permintaan. |
Permintaan pelatihan Anda belum menentukan nilai untuk bidang 'startTime' . Contohnya {"endTime": "2021-01-01T00:00:00Z"} . |
InvalidSlidingWindow |
400 | Bidang 'slidingWindow' harus berupa bilangan bulat antara 28 dan 2880. |
Bidang 'slidingWindow' harus berupa antara 28 dan 2880 (inklusif). |
Mendapatkan model multivariat dengan ID model
Kode kesalahan | Kode galat HTTP | Pesan kesalahan | Komentar |
---|---|---|---|
ModelNotExist |
404 | Model tidak ada. | Model dengan ID model yang sesuai tidak ada. Periksa ID model di URL permintaan. |
Membuat daftar model multivariat
Kode kesalahan | Kode galat HTTP | Pesan kesalahan | Komentar |
---|---|---|---|
InvalidRequestParameterError |
400 | Nilai tidak valid untuk $skip atau $top. | Periksa apakah nilai untuk dua parameter bersifat numerik. Nilai $skip dan $top digunakan untuk membuat daftar model dengan penomoran halaman. Karena API hanya mengembalikan 10 model yang paling baru diperbarui, Anda dapat menggunakan $skip dan $top untuk mendapatkan model yang diperbarui sebelumnya. |
Deteksi anomali dengan model terlatih
Kode kesalahan | Kode galat HTTP | Pesan kesalahan | Komentar |
---|---|---|---|
ModelNotExist |
404 | Model tidak ada. | Model yang digunakan untuk inferensi tidak ada. Periksa ID model di URL permintaan. |
ModelFailed |
400 | Model gagal dilatih. | Model ini tidak berhasil dilatih. Dapatkan informasi terperinci dengan mendapatkan model dengan ID model. |
ModelNotReady |
400 | Model belum siap. | Model belum siap. Tunggu beberapa saat sampai proses pelatihan selesai. |
InvalidFileSize |
413 | File <file> melebihi batas ukuran file (<batas ukuran> byte). | Ukuran data inferensi melebihi batas atas, yang saat ini 2 GB. Gunakan lebih sedikit data untuk inferensi. |
Mendapatkan hasil deteksi
Kode kesalahan | Kode galat HTTP | Pesan kesalahan | Komentar |
---|---|---|---|
ResultNotExist |
404 | Hasil tidak ada. | Hasil per permintaan tidak ada. Inferensi belum selesai atau hasilnya telah kedaluwarsa. Waktu kedaluwarsa adalah tujuh hari. |
Kesalahan pemrosesan data
Kode kesalahan berikut tidak memiliki kode kesalahan HTTP terkait.
Kode kesalahan | Pesan kesalahan | Komentar |
---|---|---|
NoVariablesFound |
Tidak ada variabel yang ditemukan. Periksa apakah file{i> | Tidak ada file CSV yang dapat ditemukan dari sumber data. Kesalahan ini biasanya disebabkan oleh organisasi file yang salah. Lihat data sampel untuk struktur yang diinginkan. |
DuplicatedVariables |
Ada beberapa variabel dengan nama yang sama. | Ada nama variabel duplikat. |
FileNotExist |
File <filename> tidak ada. | Kesalahan ini biasanya terjadi selama inferensi. Variabel telah muncul dalam data pelatihan tetapi hilang dalam data inferensi. |
RedundantFile |
File <filename> redundan. | Kesalahan ini biasanya terjadi selama inferensi. Variabel tidak ada dalam data pelatihan tetapi muncul dalam data inferensi. |
FileSizeTooLarge |
Ukuran file <filename> terlalu besar. | Ukuran file CSV tunggal <filename> melebihi batas. Berlatihlah dengan lebih sedikit data. |
ReadingFileError |
Kesalahan terjadi saat membaca <filename>. <pesan kesalahan> | Gagal membaca file <filename>. Untuk informasi selengkapnya, lihat <pesan kesalahan> atau verifikasi dengan pd.read_csv(filename) di lingkungan lokal. |
FileColumnsNotExist |
Stempel waktu atau nilai kolom di file <filename> tidak ada. | Setiap file CSV harus memiliki dua kolom dengan nama stempel waktu dan nilai (peka huruf besar/kecil). |
VariableParseError |
Kesalahan <error message> penguraian variabel <variable>. | Tidak dapat memproses <variabel> karena kesalahan runtime. Untuk informasi selengkapnya, lihat <pesan kesalahan> atau hubungi kami dengan <pesan kesalahan>. |
MergeDataFailed |
Gagal menggabungkan data. Periksa format data. | Penggabungan data gagal. Kesalahan ini mungkin terjadi karena format data yang salah atau organisasi file yang salah. Lihat data sampel untuk struktur file saat ini. |
ColumnNotFound |
Kolom <column> tidak dapat ditemukan dalam data gabungan. | Kolom hilang setelah digabungkan. Memverifikasi data. |
NumColumnsMismatch |
Jumlah kolom data gabungan tidak sesuai dengan jumlah variabel. | Memverifikasi data. |
TooManyData |
Terlalu banyak poin data. Angka maksimum adalah 1000000 per variabel. | Kurangi ukuran data input. |
NoData |
Tidak ada data yang efektif. | Tidak ada data untuk melatih/inferensi setelah diproses. Periksa waktu mulai dan waktu akhir. |
DataExceedsLimit . |
Panjang data yang stempel waktunya antara startTime dan endTime melebihi batas(<limit>). |
Ukuran data setelah diproses melebihi batas. Saat ini, tidak ada batasan pada data yang diproses. |
NotEnoughInput |
Tidak memiliki data yang cukup. Panjang data adalah <panjang data>, tetapi panjang minimum harus lebih besar dari jendela geser, yaitu <ukuran jendela geser>. | Jumlah minimum poin data untuk inferensi adalah ukuran jendela geser. Cobalah untuk memberikan lebih banyak data untuk inferensi. |