Solucionar problemas da API multivariada

  • Artigo

Importante

A partir de 20 de setembro de 2023, você não poderá criar novos recursos do Detector de Anomalias. O serviço Detector de Anomalias será desativado em 01º de outubro de 2026.

Este artigo fornece orientações sobre como solucionar problemas e corrigir mensagens de erro comuns ao usar a API multivariada do Detector de Anomalias da IA do Azure.

Códigos de erro multivariados

As tabelas a seguir listam códigos de erro multivariados.

Erros comuns

Código do erro Código de erro do HTTP Mensagem de erro Comentário
SubscriptionNotInHeaders 400 apim-subscription-id não foi encontrado nos cabeçalhos. Adicione a ID da assinatura do APIM ao cabeçalho. Um exemplo de cabeçalho é {"apim-subscription-id": <Your Subscription ID>}.
FileNotExist 400 A <origem> do arquivo não existe. Verifique a validade da assinatura de acesso compartilhado de blobs. Confira se ela não expirou.
InvalidBlobURL 400 Sua assinatura de assinatura de acesso compartilhado de blobs não é válida.
StorageWriteError 403 Provavelmente, esse erro foi causado por problemas de permissão. Nosso serviço não tem permissão para gravar os dados no blob criptografado por uma chave gerenciada pelo cliente. Remova a chave gerenciada pelo cliente ou conceda acesso ao nosso serviço novamente. Para saber mais, confira Configurar as chaves gerenciadas pelo cliente com o Azure Key Vault para serviços de IA do Azure.
StorageReadError 403 Mesmo que StorageWriteError.
UnexpectedError 500 Entre em contato conosco com informações detalhadas sobre o erro. Use as opções de suporte e ajuda dos serviços de IA do Azure ou envie um email para AnomalyDetector@microsoft.com.

Treinar um modelo de detecção de anomalias multivariadas

Código do erro Código de erro do HTTP Mensagem de erro Comentário
TooManyModels 400 Esta assinatura atingiu o número máximo de modelos. Cada ID de assinatura do APIM tem permissão para ter 300 modelos ativos. Exclua modelos não utilizados antes de treinar um novo.
TooManyRunningModels 400 Esta assinatura atingiu o número máximo de modelos em execução. Cada ID da assinatura do APIM tem permissão para treinar cinco modelos simultaneamente. Aguarde até os modelos anteriores concluírem seu processo de treinamento antes de treinar um novo.
InvalidJsonFormat 400 Formato JSON inválido. A solicitação de treinamento não é um JSON válido.
InvalidAlignMode 400 O campo 'alignMode' precisa ter um dos seguintes valores: 'Inner' ou 'Outer'. Verifique o valor de 'alignMode', que precisa ser 'Inner' ou 'Outer' (diferencia maiúsculas e minúsculas).
InvalidFillNAMethod 400 O campo 'fillNAMethod' precisa ser um dos seguintes: 'Previous', 'Subsequent', 'Linear', 'Zero', 'Fixed', 'NotFill'. Não pode ser 'NotFill' quando 'alignMode' é 'Outer'. Verifique o valor de 'fillNAMethod'. Para saber mais, confira as Práticas recomendadas para o uso da API do Detector de Anomalias Multivariadas.
RequiredPaddingValue 400 O campo 'paddingValue' é obrigatório na solicitação quando 'fillNAMethod' for 'Fixed'. Você precisa fornecer um valor de preenchimento válido quando 'fillNAMethod' for 'Fixed'. Para saber mais, confira as Práticas recomendadas para o uso da API do Detector de Anomalias Multivariadas.
RequiredSource 400 O campo 'source' é obrigatório nesta solicitação. Sua solicitação de treinamento não especificou um valor para o campo 'source'. Um exemplo é {"source": <Your Blob SAS>}.
RequiredStartTime 400 O campo 'startTime' é obrigatório nesta solicitação. Sua solicitação de treinamento não especificou um valor para o campo 'startTime'. Um exemplo é {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Formato de carimbo de data/hora inválido. O formato <timestamp> não é válido. O formato do carimbo de data/hora no corpo da solicitação não está correto. Tente import pandas as pd; pd.to_datetime(timestamp) para verificar.
RequiredEndTime 400 O campo 'endTime' é obrigatório nesta solicitação. Sua solicitação de treinamento não especificou um valor para o campo 'startTime'. Um exemplo é {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 O campo 'slidingWindow' precisa ser um número inteiro entre 28 e 2880. O campo 'slidingWindow' precisa ser um valor inteiro entre 28 e 2.880 (inclusive).

Obter modelo multivariado com a ID de modelo

Código do erro Código de erro do HTTP Mensagem de erro Comentário
ModelNotExist 404 O modelo não existe. O modelo com a ID de modelo correspondente não existe. Verifique a ID do modelo na URL da solicitação.

Listar modelos multivariados

Código do erro Código de erro do HTTP Mensagem de erro Comentário
InvalidRequestParameterError 400 Valores inválidos para $skip ou $top. Verifique se os valores dos dois parâmetros são numéricos. $skip e $top são valores usados para listar os modelos com paginação. Como a API só retorna os dez modelos atualizados mais recentemente, use $skip e $top para obter os modelos atualizados anteriormente.

Detecção de anomalias com um modelo treinado

Código do erro Código de erro do HTTP Mensagem de erro Comentário
ModelNotExist 404 O modelo não existe. O modelo usado para inferência não existe. Verifique a ID do modelo na URL da solicitação.
ModelFailed 400 Falha no treinamento do modelo. O modelo não foi treinado. Para receber informações detalhadas, obtenha o modelo com a respectiva ID.
ModelNotReady 400 O modelo ainda não está pronto. O modelo ainda não está pronto. Aguarde um pouco até que o processo de treinamento esteja concluído.
InvalidFileSize 413 O arquivo <arquivo> excede o limite de tamanho do arquivo (<limite de tamanho> bytes). O tamanho dos dados de inferência excede o limite superior, que atualmente é de 2 GB. Use menos dados para inferência.

Obter resultados de detecção

Código do erro Código de erro do HTTP Mensagem de erro Comentário
ResultNotExist 404 O resultado não existe. O resultado da solicitação não existe. A inferência não foi concluída ou o resultado expirou. O tempo de expiração é de sete dias.

Erros de processamento de dados

Os códigos de erro a seguir não têm códigos de erro HTTP associados.

Código do erro Mensagem de erro Comentário
NoVariablesFound Nenhuma variável encontrada. Verifique se os arquivos estão organizados de acordo com as instruções. Não foi encontrado nenhum arquivo CSV na fonte de dados. Normalmente, isso é causado por uma organização incorreta de arquivos. Consulte os dados de exemplo para ver a estrutura desejada.
DuplicatedVariables Existem diversas variáveis com o mesmo nome. Há nomes de variáveis duplicados.
FileNotExist O arquivo <nome do arquivo> não existe. Esse erro costuma ocorrer durante a inferência. A variável apareceu nos dados de treinamento, mas está ausente dos dados de inferência.
RedundantFile O arquivo <nome do arquivo> é redundante. Esse erro costuma ocorrer durante a inferência. A variável não estava presente nos dados de treinamento, mas aparece nos dados de inferência.
FileSizeTooLarge O tamanho do arquivo <nome do arquivo> é muito grande. O tamanho do arquivo CSV único <nome do arquivo> ultrapassou o limite. Treine com menos dados.
ReadingFileError Ocorreram erros durante a leitura de <nome do arquivo>. <mensagens de erro> Falha ao ler o arquivo <nome do arquivo>. Para saber mais, confira as <mensagens de erro> ou verifique pd.read_csv(filename) em um ambiente local.
FileColumnsNotExist O carimbo de data/hora das colunas ou o valor no arquivo <nome do arquivo> não existem. Cada arquivo CSV precisa ter duas colunas com os nomes carimbo de data/hora e valor (diferencia maiúsculas e minúsculas).
VariableParseError Erro de <mensagem de erro> da análise da variável <variável>. Não é possível processar a <variável> devido a erros de runtime. Para saber mais, confira a <mensagem de erro> ou entre em contato conosco com a <mensagem de erro> em questão.
MergeDataFailed Falha ao mesclar os dados. Verifique o formato dos dados. Falha na mesclagem de dados. Esse erro é possivelmente devido ao formato de dados incorreto ou à organização incorreta de arquivos. Confira os dados de exemplo da estrutura de arquivo atual.
ColumnNotFound Não é possível encontrar a coluna <coluna> nos dados mesclados. Há uma coluna ausente após a mesclagem. Verificar os dados.
NumColumnsMismatch O número de colunas dos dados mesclados não é igual ao número de variáveis. Verificar os dados.
TooManyData Excesso de pontos de dados. O número máximo é de 1000000 por variável. Reduza o tamanho dos dados de entrada.
NoData Não há dados. Não há dados para treinar/inferir após o processamento. Verifique a hora de início e a hora de término.
DataExceedsLimit. O tamanho dos dados com carimbo de data/hora entre startTime e endTime excede o limite (<limite>). O tamanho dos dados após o processamento excede o limite. Atualmente, não há limite para dados processados.
NotEnoughInput Não há dados suficientes. Há um <tamanho dos dados>, mas o tamanho mínimo deve ser maior que a janela deslizante, que é do <tamanho da janela deslizante>. O número mínimo de pontos de dados para inferência é o tamanho da janela deslizante. Tente fornecer mais dados para inferência.