Problembehandlung bei der multivariaten API

  • Artikel

Wichtig

Ab dem 20. September 2023 können Sie keine neuen Anomalieerkennung-Ressourcen mehr erstellen. Der Anomalieerkennung-Dienst wird am 1. Oktober 2026 eingestellt.

Dieser Artikel enthält Anleitungen zur Problembehandlung und Behebung gängiger Fehlermeldungen bei Verwendung der Azure KI Anomalie Detektor-API zur Erkennung multivariater Anomalien.

Multivariate Fehlercodes

In den folgenden Tabellen sind multivariate Fehlercodes aufgeführt.

Häufige Fehler

Fehlercode HTTP-Fehlercode Fehlermeldung Kommentar
SubscriptionNotInHeaders 400 apim-subscription-id wurde nicht in Headern gefunden. Fügen Sie im Header Ihre APIM-Abonnement-ID hinzu. Ein Beispielheader ist {"apim-subscription-id": <Your Subscription ID>}.
FileNotExist 400 File <source> does not exist. (Die Datei <Quelle> ist nicht vorhanden.) Überprüfen Sie die Gültigkeit Ihrer Blob-SAS (Shared Access Signature). Vergewissern Sie sich, dass sie nicht abgelaufen ist.
InvalidBlobURL 400 Ihre Blob-Shared Access Signature ist keine gültige Shared Access Signature.
StorageWriteError 403 Dieser Fehler wird möglicherweise durch Berechtigungsprobleme verursacht. Unser Dienst darf die Daten nicht in das Blob schreiben, das mit einem kundenseitig verwalteten Schlüssel verschlüsselt ist. Entfernen Sie entweder den kundenseitig verwalteten Schlüssel, oder erteilen Sie dem Dienst wieder Zugriff. Weitere Informationen finden Sie unter Konfigurieren von kundenseitig verwalteten Schlüsseln mit Azure Key Vault für Azure KI Services.
StorageReadError 403 Wie in StorageWriteError.
UnexpectedError 500 Wenden Sie sich mit detaillierten Fehlerinformationen an uns. Sie können die Supportoptionen aus den Support- und Hilfeoptionen für Azure KI Services nutzen oder uns eine E-Mail an AnomalyDetector@microsoft.com senden.

Trainieren eines multivariaten Anomalieerkennungsmodells

Fehlercode HTTP-Fehlercode Fehlermeldung Kommentar
TooManyModels 400 This subscription has reached the maximum number of models. (Für dieses Abonnement wurde die maximale Anzahl von Modellen erreicht.) Jede APIM-Abonnement-ID darf 300 aktive Modelle aufweisen. Löschen Sie nicht verwendete Modelle, bevor Sie ein neues Modell trainieren.
TooManyRunningModels 400 This subscription has reached the maximum number of running models. (Für dieses Abonnement wurde die maximale Anzahl ausgeführter Modelle erreicht.) Jede APIM-Abonnement-ID darf fünf Modelle gleichzeitig trainieren. Trainieren Sie ein neues Modell, nachdem vorherige Modelle ihren Trainingsprozess abgeschlossen haben.
InvalidJsonFormat 400 Ungültiges JSON-Format. Die Trainingsanforderung ist kein gültiger JSON-Code.
InvalidAlignMode 400 The 'alignMode' field must be one of the following: 'Inner' or 'Outer'. (Das Feld 'alignMode' muss einen der folgenden Werte aufweisen: 'Inner' oder 'Outer'.) Überprüfen Sie den Wert von 'alignMode', der entweder 'Inner' oder 'Outer' lauten sollte (Groß- und Kleinschreibung beachten).
InvalidFillNAMethod 400 Das Feld 'fillNAMethod' muss einen der folgenden Werte aufweisen : 'Previous', 'Subsequent', 'Linear', 'Zero', 'Fixed' oder 'NotFill'. Es kann nicht 'NotFill' sein, wenn 'alignMode''Outer' ist. Überprüfen Sie den Wert von 'fillNAMethod'. Weitere Informationen finden Sie unter Bewährte Methoden für die Verwendung der multivariaten Anomalieerkennungs-API.
RequiredPaddingValue 400 The 'paddingValue' field is required in the request when 'fillNAMethod' is 'Fixed'. (Das Feld 'paddingValue' ist in der Anforderung erforderlich, wenn 'fillNAMethod' den Wert 'Fixed' hat.) Sie müssen einen gültigen Abstandswert angeben, wenn 'fillNAMethod' den Wert 'Fixed' hat. Weitere Informationen finden Sie unter Bewährte Methoden für die Verwendung der multivariaten Anomalieerkennungs-API.
RequiredSource 400 The 'source' field is required in the request. (Das Feld 'source' ist in der Anforderung erforderlich.) In Ihrer Trainingsanforderung ist kein Wert für das Feld 'source' angegeben. z. B. {"source": <Your Blob SAS>}.
RequiredStartTime 400 The 'startTime' field is required in the request. (Das Feld 'startTime' ist in der Anforderung erforderlich.) In Ihrer Trainingsanforderung ist kein Wert für das Feld 'startTime' angegeben. z. B. {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Ungültiges Format des Zeitstempels. Das Format <timestamp> ist kein gültiges Format. Das Format des Zeitstempels im Anforderungstext ist nicht korrekt. Versuchen Sie zur Überprüfung, import pandas as pd; pd.to_datetime(timestamp) auszuführen.
RequiredEndTime 400 The 'endTime' field is required in the request. (Das Feld 'endTime' ist in der Anforderung erforderlich.) In Ihrer Trainingsanforderung ist kein Wert für das Feld 'startTime' angegeben. z. B. {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 The 'slidingWindow' field must be an integer between 28 and 2880. (Das Feld 'slidingWindow' muss eine ganze Zahl zwischen 28 und 2880 sein.) 'slidingWindow' muss eine ganze Zahl zwischen 28 und 2880 (einschließlich) sein.

Abrufen eines multivariaten Modells mit einer Modell-ID

Fehlercode HTTP-Fehlercode Fehlermeldung Kommentar
ModelNotExist 404 The model does not exist. (Das Modell ist nicht vorhanden.) Das Modell mit der entsprechenden Modell-ID ist nicht vorhanden. Überprüfen Sie die Modell-ID in der Anforderungs-URL.

Auflisten multivariater Modelle

Fehlercode HTTP-Fehlercode Fehlermeldung Kommentar
InvalidRequestParameterError 400 Ungültige Werte für $skip oder $top. Überprüfen Sie, ob die Werte für die beiden Parameter numerisch sind. Die Werte $skip und $top werden verwendet, um die Modelle mit Paginierung aufzulisten. Da die API nur die zehn zuletzt aktualisierten Modelle zurückgibt, können Sie Modelle mit $skip und $top früher aktualisieren lassen.

Anomalieerkennung mit einem trainierten Modell

Fehlercode HTTP-Fehlercode Fehlermeldung Kommentar
ModelNotExist 404 The model does not exist. (Das Modell ist nicht vorhanden.) Das für Rückschlüsse verwendete Modell ist nicht vorhanden. Überprüfen Sie die Modell-ID in der Anforderungs-URL.
ModelFailed 400 Model failed to be trained. (Das Modell konnte nicht trainiert werden.) Das Modell wurde nicht erfolgreich trainiert. Ausführliche Informationen erhalten Sie, indem Sie das Modell mit der Modell-ID abrufen.
ModelNotReady 400 Das Modell ist noch nicht bereit. Das Modell ist noch nicht bereit. Warten Sie eine Weile, bis der Trainingsprozess abgeschlossen ist.
InvalidFileSize 413 File <file> exceeds the file size limit (<size limit> bytes). (Die Datei <Datei> überschreitet das Dateigrößenlimit (<Größenbeschränkung> Bytes).) Die Größe der Rückschlussdaten übersteigt die Obergrenze (derzeit 2 GB). Verwenden Sie weniger Daten für Rückschlüsse.

Abrufen von Erkennungsergebnissen

Fehlercode HTTP-Fehlercode Fehlermeldung Kommentar
ResultNotExist 404 The result does not exist. (Das Ergebnis ist nicht vorhanden.) Das Ergebnis pro Anforderung ist nicht vorhanden. Entweder wurde der Rückschluss nicht abgeschlossen, oder das Ergebnis ist abgelaufen. Die Ablaufzeit beträgt sieben Tage.

Fehler bei der Datenverarbeitung

Den folgenden Fehlercodes sind keine HTTP-Fehlercodes zugeordnet.

Fehlercode Fehlermeldung Kommentar
NoVariablesFound No variables found. Überprüfen Sie, ob Ihre Dateien gemäß Anweisung strukturiert sind. In der Datenquelle konnten keine CSV-Dateien gefunden werden. Dies wird in der Regel durch eine falsche Struktur der Dateien verursacht. Die gewünschte Struktur können Sie in den Beispieldaten ersehen.
DuplicatedVariables There are multiple variables with the same name. (Es sind mehrere Variablen mit demselben Namen vorhanden.) Es sind doppelte Variablennamen vorhanden.
FileNotExist File <filename> does not exist. (Die Datei <Dateiname> ist nicht vorhanden.) Dieser Fehler tritt in der Regel bei Rückschlüssen auf. Die Variable wurde in den Trainingsdaten angezeigt, fehlt jedoch in den Rückschlussdaten.
RedundantFile File <filename> is redundant. (Die Datei <Dateiname> ist redundant.) Dieser Fehler tritt in der Regel bei Rückschlüssen auf. Die Variable war in den Trainingsdaten nicht enthalten, wird jedoch in den Rückschlussdaten angezeigt.
FileSizeTooLarge The size of file <filename> is too large. (Die Datei <Dateiname> ist zu groß.) Die Größe der einzelnen CSV-Datei <Dateiname> überschreitet den Grenzwert. Trainieren Sie mit weniger Daten.
ReadingFileError Errors occurred when reading <filename>. (Beim Lesen von <Dateiname> traten Fehler auf.) <Fehlermeldungen> Failed to read the file <filename>. (Fehler beim Lesen der Datei <Dateinamen>.) Weitere Informationen finden Sie in den <Fehlermeldungen>, oder überprüfen Sie in einer lokalen Umgebung mithilfe von pd.read_csv(filename).
FileColumnsNotExist Columns timestamp or value in file <filename> do not exist. (Die Spalten für „timestamp“ oder „value“ sind in der Datei <Dateiname> nicht vorhanden.) Jede CSV-Datei muss zwei Spalten mit den Namen timestamp und value enthalten (Groß- und Kleinschreibung beachten).
VariableParseError Variable <variable> parse <error message> error. (Fehler <Fehlermeldung> beim Analysieren der Variable <Variable>.) Die <Variable> kann aufgrund von Laufzeitfehlern nicht verarbeitet werden. Weitere Informationen finden Sie in der <Fehlermeldung>, oder wenden Sie sich mit der <Fehlermeldung> an uns.
MergeDataFailed Failed to merge data. Überprüfen Sie das Datenformat. Beim Zusammenführen von Daten ist ein Fehler aufgetreten. Dieser Fehler ist möglicherweise auf das falsche Datenformat oder eine falsche Struktur der Dateien zurückzuführen. Die aktuelle Dateistruktur können Sie den Beispieldaten entnehmen.
ColumnNotFound Column <column> cannot be found in the merged data. (Die Spalte <Spalte> wurde in den zusammengeführten Daten nicht gefunden.) Nach dem Zusammenführen fehlt eine Spalte. Überprüfen Sie die Daten.
NumColumnsMismatch Number of columns of merged data does not match the number of variables. (Die Anzahl der Spalten der zusammengeführten Daten entspricht nicht der Anzahl der Variablen.) Überprüfen Sie die Daten.
TooManyData Too many data points. Maximum number is 1000000 per variable. (Zu viele Datenpunkte. Die maximale Anzahl beträgt 1000000 pro Variable.) Reduzieren Sie die Größe der Eingabedaten.
NoData Es gibt sind keine effektiven Daten vorhanden. Nach der Verarbeitung sind keine Daten zum Trainieren/für Rückschlüsse vorhanden. Überprüfen Sie die Start- und Endzeit.
DataExceedsLimit. The length of data whose timestamp is between startTime and endTime exceeds limit(<limit>). (Die Länge der Daten, deren Zeitstempel zwischen startTime und endTime liegt, überschreitet den Grenzwert(<Grenzwert>).) Die Größe der Daten nach der Verarbeitung überschreitet das Limit. Derzeit gibt es kein Limit für verarbeitete Daten.
NotEnoughInput Not enough data. Die Länge der Daten ist <Datenlänge>, aber die Mindestlänge sollte größer als das gleitende Fenster sein, das <Größe des gleitendes Fensters> ist. Die Mindestanzahl von Datenpunkten für Rückschlüsse ist die Größe des gleitenden Fensters. Versuchen Sie, mehr Daten für Rückschlüsse zur Verfügung zu stellen.