Problemen met de api voor meerdere varianten oplossen

  • Artikel
  • 5 minuten om te lezen

Dit artikel bevat richtlijnen voor het oplossen van veelvoorkomende foutberichten bij het gebruik van de api voor meerdere varianten.

Meervoudige foutcodes

Algemene fouten

Foutcode HTTP-foutcode Foutbericht Opmerking
SubscriptionNotInHeaders 400 apim-subscription-id is niet gevonden in headers Voeg uw APIM-abonnements-id toe in de header. Voorbeeldheader: {"apim-subscription-id": <Your Subscription ID>}
FileNotExist 400 Bestand <source> bestaat niet. Controleer de geldigheid van uw Shared Access Signature (SAS) voor blobs. Zorg ervoor dat deze niet is verlopen.
InvalidBlobURL 400 Uw Shared Access Signature (SAS) voor blobs is geen geldige SAS.
StorageWriteError 403 Deze fout wordt mogelijk veroorzaakt door machtigingsproblemen. Onze service mag de gegevens niet schrijven naar de blob die is versleuteld met een door de klant beheerde sleutel (CMK). Verwijder cmk of verleen opnieuw toegang tot onze service. Raadpleeg deze pagina voor meer informatie.
StorageReadError 403 Hetzelfde als StorageWriteError .
UnexpectedError 500 Neem contact met ons op met gedetailleerde foutgegevens. U kunt de ondersteuningsopties uit dit document gebruiken of ons een e-mail sturen op AnomalyDetector@microsoft.com

Een multivariate anomaliedetectiemodel trainen

Foutcode HTTP-foutcode Foutbericht Opmerking
TooManyModels 400 Dit abonnement heeft het maximum aantal modellen bereikt. Elke APIM-abonnements-id mag 300 actieve modellen hebben. Verwijder ongebruikte modellen voordat u een nieuw model traint
TooManyRunningModels 400 Dit abonnement heeft het maximum aantal modellen bereikt dat wordt uitgevoerd. Elke APIM-abonnements-id mag 5 modellen gelijktijdig trainen. Train een nieuw model nadat de vorige modellen het trainingsproces hebben voltooid.
InvalidJsonFormat 400 Ongeldige json-indeling. Trainingsaanvraag is geen geldige JSON.
InvalidAlignMode 400 Het 'alignMode' veld moet een van de volgende zijn: of 'Inner' 'Outer' . Controleer de waarde van die ofwel of 'alignMode' 'Inner' 'Outer' (casegevoelig) moet zijn.
InvalidFillNAMethod 400 Het veld moet een van de volgende zijn: , , , , , en het mag niet zijn 'fillNAMethod' 'Previous' wanneer 'Subsequent' 'Linear' 'Zero' 'Fixed' 'NotFill' 'NotFill' 'alignMode' 'Outer' is. Controleer de waarde van 'fillNAMethod' . Raadpleeg deze sectie voor meer informatie.
RequiredPaddingValue 400 Het 'paddingValue' veld is vereist in de aanvraag wanneer 'fillNAMethod' 'Fixed' is. U moet een geldige opvullingswaarde geven wanneer 'fillNAMethod' 'Fixed' is. Raadpleeg deze sectie voor meer informatie.
RequiredSource 400 Het 'source' veld is vereist in de aanvraag. Uw trainingsaanvraag heeft geen waarde voor het veld 'source' opgegeven. Bijvoorbeeld: {"source": <Your Blob SAS>}.
RequiredStartTime 400 Het 'startTime' veld is vereist in de aanvraag. Uw trainingsaanvraag heeft geen waarde voor het veld 'startTime' opgegeven. Bijvoorbeeld: {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Ongeldige tijdstempelindeling. <timestamp> is geen geldige indeling. De indeling van tijdstempel in de aanvraag body is niet juist. U kunt proberen import pandas as pd; pd.to_datetime(timestamp) dit te controleren.
RequiredEndTime 400 Het 'endTime' veld is vereist in de aanvraag. Uw trainingsaanvraag heeft geen waarde voor het veld 'startTime' opgegeven. Bijvoorbeeld: {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 Het 'slidingWindow' veld moet een geheel getal tussen 28 en 2880 zijn. 'slidingWindow' moet een geheel getal tussen 28 en 2880 (inclusief) zijn.

Multivariate Model met model-id op halen

Foutcode HTTP-foutcode Foutbericht Opmerking
ModelNotExist 404 Het model bestaat niet. Het model met de bijbehorende model-id bestaat niet. Controleer de model-id in de aanvraag-URL.

Multivariate-modellen op een lijst zetten

Foutcode HTTP-foutcode Foutbericht Opmerking
InvalidRequestParameterError 400 Ongeldige waarden voor $skip of $top ... Controleer of de waarden voor de twee parameters numeriek zijn. $skip en $top worden gebruikt om de modellen met paginering weer te maken. Omdat de API slechts 10 recent bijgewerkte modellen retourneert, kunt u de $skip en $top om modellen eerder bijgewerkt te krijgen.

Anomaliedetectie met een getraind model

Foutcode HTTP-foutcode Foutbericht Opmerking
ModelNotExist 404 Het model bestaat niet. Het model dat wordt gebruikt voor de deferentie bestaat niet. Controleer de model-id in de aanvraag-URL.
ModelFailed 400 Het model is niet getraind. Het model is niet getraind. Haal gedetailleerde informatie op door het model op te halen met model-id.
ModelNotReady 400 Het model is nog niet gereed. Het model is nog niet gereed. Wacht even totdat het trainingsproces is voltooid.
InvalidFileSize 413 Bestand <file> overschrijdt de bestandsgroottelimiet ( <size limit> bytes). De grootte van de deferentiegegevens overschrijdt de bovengrens (momenteel 2 GB). Gebruik minder gegevens voor de deferentie.

Detectieresultaten krijgen

Foutcode HTTP-foutcode Foutbericht Opmerking
ResultNotExist 404 Het resultaat bestaat niet. Het resultaat per aanvraag bestaat niet. De deference is niet voltooid of het resultaat is verlopen (7 dagen).

Gegevensverwerkingsfouten

Aan de volgende foutcodes zijn geen HTTP-foutcodes gekoppeld.

Foutcode Foutbericht Opmerking
NoVariablesFound Er zijn geen variabelen gevonden. Controleer of uw bestanden zijn geordend volgens de instructies. Er zijn geen CSV-bestanden gevonden uit de gegevensbron. Dit wordt meestal veroorzaakt door een verkeerde organisatie van bestanden. Raadpleeg de voorbeeldgegevens voor de gewenste structuur.
DuplicatedVariables Er zijn meerdere variabelen met dezelfde naam. Er zijn dubbele namen van variabelen.
FileNotExist Bestand <filename> bestaat niet. Deze fout t doet zich meestal voor tijdens de deference. De variabele is in de trainingsgegevens verschenen, maar ontbreekt in de deference-gegevens.
RedundantFile Bestand <filename> is redundant. Deze fout t doet zich meestal voor tijdens de deference. De variabele staat niet in de trainingsgegevens, maar wordt wel in de deferentiegegevens gebruikt.
FileSizeTooLarge De grootte van het <filename> bestand is te groot. De grootte van het csv-bestand <filename> overschrijdt de limiet. Train met minder gegevens.
ReadingFileError Er zijn fouten opgetreden bij het lezen <filename> van . <error messages> Kan het bestand niet <filename> lezen. U kunt verwijzen naar <error messages> voor meer informatie of verifiëren met in een lokale pd.read_csv(filename) omgeving.
FileColumnsNotExist Tijdstempel of waarde van kolommen in het <filename> bestand bestaat niet. Elk CSV-bestand moet twee kolommen hebben met een tijdstempel en waarde (casegevoelig).
VariableParseError Fout <variable> bij het parseren <error message> van variabelen. Kan de niet <variable> verwerken vanwege runtimefouten. Raadpleeg de voor <error message> meer informatie of neem contact met ons op met de <error message> .
MergeDataFailed Kan geen gegevens samenvoegen. Controleer de gegevensindeling. Het samenvoegen van gegevens is mislukt. Dit komt mogelijk door de verkeerde gegevensindeling, de organisatie van bestanden, enzovoort. Raadpleeg de voorbeeldgegevens voor de huidige bestandsstructuur.
ColumnNotFound Kolom <column> kan niet worden gevonden in de samengevoegde gegevens. Er ontbreekt een kolom na het samenvoegen. Controleer de gegevens.
NumColumnsMismatch Het aantal kolommen met samengevoegde gegevens komt niet overeen met het aantal variabelen. Controleer de gegevens.
TooManyData Te veel gegevenspunten. Het maximumaantal is 1000000 per variabele. Verklein de grootte van invoergegevens.
NoData Er zijn geen effectieve gegevens Er zijn geen gegevens om te trainen/de deferentie na verwerking. Controleer de begintijd en eindtijd.
DataExceedsLimit De lengte van gegevens waarvan de tijdstempel tussen is startTime en endTime de limiet overschrijdt( <limit> ). De grootte van gegevens na verwerking overschrijdt de limiet. (Momenteel geen limiet voor verwerkte gegevens.)
NotEnoughInput Onvoldoende gegevens. De lengte van de gegevens is , maar de minimale lengte moet groter zijn <data length> dan sliding window <sliding window size> is. Het minimale aantal gegevenspunten voor de deference is de grootte van sliding window. Probeer meer gegevens voor de deferentie op te geven.