Solución de problemas de la API multivariante

  • Artículo
  • 6 minutos para leer

En este artículo se proporcionan instrucciones sobre cómo solucionar mensajes de error comunes al usar la API multivariante.

Códigos de error de multivariante

Errores comunes

Código de error Código de error HTTP Mensaje de error Comentario
SubscriptionNotInHeaders 400 apim-subscription-id no se encuentra en los encabezados Agregue el id. de suscripción de APIM en el encabezado. Encabezado de ejemplo: {"apim-subscription-id": <Your Subscription ID>}
FileNotExist 400 El archivo <source> no existe. Compruebe la validez de la firma de acceso compartido (SAS) del blob. Asegúrese de que no haya expirado.
InvalidBlobURL 400 La firma de acceso compartido (SAS) de blob no es una SAS válida.
StorageWriteError 403 Este error puede deberse a problemas de permisos. Nuestro servicio no puede escribir los datos en el blob cifrado mediante una clave administrada por el cliente (CMK). Quite la CMK o vuelva a conceder acceso a nuestro servicio. Consulte esta página para obtener más detalles.
StorageReadError 403 Igual a StorageWriteError.
UnexpectedError 500 Póngase en contacto con nosotros para obtener información detallada del error. Puede realizar las opciones de soporte técnico de este documento o enviarnos un correo electrónico a AnomalyDetector@microsoft.com

Entrenamiento de un modelo de detección de anomalías de multivariante

Código de error Código de error HTTP Mensaje de error Comentario
TooManyModels 400 Esta suscripción ha alcanzado el número máximo de modelos. Cada id. de suscripción de APIM puede tener 300 modelos activos. Elimine los modelos no usados antes de entrenar un nuevo modelo.
TooManyRunningModels 400 Esta suscripción ha alcanzado el número máximo de modelos en ejecución. Cada id. de suscripción de APIM puede entrenar 5 modelos simultáneamente. Entrene un nuevo modelo después de que los modelos anteriores hayan completado su proceso de entrenamiento.
InvalidJsonFormat 400 Formato JSON no válido. La solicitud de entrenamiento no es un JSON válido.
InvalidAlignMode 400 El valor del campo 'alignMode' debe ser uno de los siguientes: 'Inner' o 'Outer'. Compruebe el valor de 'alignMode' que debe ser 'Inner' o 'Outer' (distingue mayúsculas de minúsculas).
InvalidFillNAMethod 400 El valor del campo 'fillNAMethod' debe ser uno de los siguientes: 'Previous', 'Subsequent', 'Linear', 'Zero', 'Fixed' o 'NotFill', y no puede ser 'NotFill' cuando 'alignMode' es 'Outer'. Compruebe el valor de 'fillNAMethod'. Consulte esta sección para más detalles.
RequiredPaddingValue 400 El campo 'paddingValue' es necesario en la solicitud cuando 'fillNAMethod' es 'Fixed'. Debe proporcionar un valor de relleno válido cuando 'fillNAMethod' sea 'Fixed'. Consulte esta sección para más detalles.
RequiredSource 400 El campo 'source' es necesario en la solicitud. La solicitud de entrenamiento no ha especificado un valor para el campo 'source'. Ejemplo: {"source": <Your Blob SAS>}.
RequiredStartTime 400 El campo 'startTime' es necesario en la solicitud. La solicitud de entrenamiento no ha especificado un valor para el campo 'startTime'. Ejemplo: {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Formato de marca de tiempo no válido. <timestamp> no es un formato válido. El formato de marca de tiempo en el cuerpo de la solicitud no es correcto. Puede probar import pandas as pd; pd.to_datetime(timestamp) para comprobar.
RequiredEndTime 400 El campo 'endTime' es necesario en la solicitud. La solicitud de entrenamiento no ha especificado un valor para el campo 'startTime'. Ejemplo: {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 El campo 'slidingWindow' debe ser un entero entre 28 y 2880. 'slidingWindow' debe ser un entero entre 28 y 2880 (ambos incluidos).

Obtención de un modelo multivariado con el id. de modelo

Código de error Código de error HTTP Mensaje de error Comentario
ModelNotExist 404 El modelo no existe. El modelo con el id. de modelo correspondiente no existe. Compruebe el id. del modelo en la dirección URL de la solicitud.

Enumeración de modelos multivariados

Código de error Código de error HTTP Mensaje de error Comentario
InvalidRequestParameterError 400 Valores no válidos para $skip o $top... Compruebe si los valores de los dos parámetros son numéricos. $skip y $top se usan para enumerar los modelos con paginación. Dado que la API solo devuelve los 10 modelos actualizados más recientemente, puede usar $skip y $top para obtener los modelos actualizados anteriormente.

Detección de anomalías con un modelo entrenado

Código de error Código de error HTTP Mensaje de error Comentario
ModelNotExist 404 El modelo no existe. El modelo utilizado para la inferencia no existe. Compruebe el id. del modelo en la dirección URL de la solicitud.
ModelFailed 400 No se pudo entrenar el modelo. El modelo no se entrenó correctamente. Obtenga información detallada obteniendo el modelo con el id. de modelo.
ModelNotReady 400 El modelo aún no está preparado. El modelo aún no está preparado. Espere un tiempo hasta que se complete el proceso de entrenamiento.
InvalidFileSize 413 El archivo <file> supera el límite de tamaño de archivo (<size limit> bytes). El tamaño de los datos de inferencia supera el límite superior (2 GB actualmente). Use menos datos para la inferencia.

Obtención de los resultados de detección

Código de error Código de error HTTP Mensaje de error Comentario
ResultNotExist 404 Los resultados no existen. El resultado por solicitud no existe. La inferencia no se ha completado o el resultado ha expirado (7 días).

Errores de procesamiento de datos

Los siguientes códigos de error no tienen códigos de error HTTP asociados.

Código de error Mensaje de error Comentario
NoVariablesFound No se han encontrado variables. Compruebe que los archivos están organizados según las instrucciones. No se encontró ningún archivo CSV en el origen de datos. Esto suele deberse a una organización incorrecta de los archivos. Consulte los datos de ejemplo para ver la estructura deseada.
DuplicatedVariables Hay varias variables con el nombre mismo nombre. Hay nombres de variables duplicados.
FileNotExist El archivo <filename> no existe. Este error suele ocurrir durante la inferencia. La variable ha aparecido en los datos de entrenamiento, pero falta en los datos de inferencia.
RedundantFile El archivo <filename> es redundante. Este error suele ocurrir durante la inferencia. La variable no estaba en los datos de entrenamiento, pero aparece en los datos de inferencia.
FileSizeTooLarge El tamaño del archivo <filename> es demasiado grande. El tamaño del archivo CSV único <filename> supera el límite. Entrene con menos datos.
ReadingFileError Se produjeron errores al leer <filename>. <error messages> No se pudo leer el archivo <filename>. Puede consultar <error messages> para obtener más detalles o comprobar con pd.read_csv(filename) en un entorno local.
FileColumnsNotExist La marca de tiempo de las columnas o el valor del archivo <filename> no existen. Cada archivo CSV debe tener dos columnas con los nombres timestamp y value (distingue mayúsculas de minúsculas).
VariableParseError Error <error message> de análisis de variable <variable>. No se puede procesar <variable> debido a errores en tiempo de ejecución. Consulte <error message> para obtener más detalles o póngase en contacto con nosotros con <error message>.
MergeDataFailed No se pudieron combinar los datos. Compruebe el formato de los datos. Error en la combinación de datos. Posiblemente se deba a un formato de datos incorrecto, a la organización de archivos, etc. Consulte los datos de ejemplo de la estructura de archivos actual.
ColumnNotFound No se puede encontrar la columna <column> en los datos combinados. Falta una columna después de la combinación. Compruebe los datos.
NumColumnsMismatch El número de columnas de datos combinados no coincide con el número de variables. Compruebe los datos.
TooManyData Demasiados puntos de datos. El número máximo es 1 000 000 por variable. Reduzca el tamaño de los datos de entrada.
NoData No hay datos efectivos. No hay ningún dato para entrenar o de inferencia después del procesamiento. Seleccione la hora de inicio y la hora de finalización.
DataExceedsLimit Longitud de los datos cuya marca de tiempo está entre startTime y endTime supera el límite (<limit>). El tamaño de los datos después del procesamiento supera el límite. (Actualmente no hay límite en los datos procesados).
NotEnoughInput No hay suficientes datos. La longitud de los datos es <data length>, pero la longitud mínima debe ser mayor que la ventana deslizante, que es <sliding window size>. El número mínimo de puntos de datos para la inferencia es el tamaño de la ventana deslizante. Intente proporcionar más datos para la inferencia.