Felsöka multivariate-API:et

  • Artikel
  • 4 minuter för att läsa

Den här artikeln innehåller råd om hur du felsöker och åtgärdar vanliga felmeddelanden när du använder multivariate-API:et.

Felkoder med flera fel

Vanliga fel

Felkod HTTP-felkod Felmeddelande Kommentar
SubscriptionNotInHeaders 400 apim-subscription-id hittades inte i rubriker Lägg till ditt APIM-prenumerations-ID i rubriken. Exempelrubrik: {"apim-subscription-id": <Your Subscription ID>}
FileNotExist 400 Filen <source> finns inte. Kontrollera giltigheten för din signatur för delad blobåtkomst (SAS). Kontrollera att den inte har upphört att gälla.
InvalidBlobURL 400 Din signatur för delad åtkomst för blob (SAS) är inte en giltig SAS.
StorageWriteError 403 Det här felet kan orsakas av behörighetsproblem. Vår tjänst tillåts inte att skriva data till bloben som krypterats av en kund hanterad nyckel (CMK). Ta antingen bort CMK eller bevilja åtkomst till vår tjänst igen. Mer information finns på den här sidan.
StorageReadError 403 Samma som StorageWriteError .
UnexpectedError 500 Kontakta oss med detaljerad felinformation. Du kan ta supportalternativen från det här dokumentet eller skicka ett e-postmeddelande till oss på AnomalyDetector@microsoft.com

Träna en modell för avvikelseidentifiering med flera avvikelser

Felkod HTTP-felkod Felmeddelande Kommentar
TooManyModels 400 Den här prenumerationen har nått det maximala antalet modeller. Varje APIM-prenumerations-ID tillåts ha 300 aktiva modeller. Ta bort oanvända modeller innan du tränar en ny modell
TooManyRunningModels 400 Den här prenumerationen har nått det maximala antalet modeller som körs. Varje APIM-prenumerations-ID kan träna 5 modeller samtidigt. Träna en ny modell när tidigare modeller har slutfört sin träningsprocess.
InvalidJsonFormat 400 Ogiltigt json-format. Träningsbegäran är inte en giltig JSON.
InvalidAlignMode 400 Fältet 'alignMode' måste vara något av följande: eller 'Inner' 'Outer' . Kontrollera värdet som ska 'alignMode' vara antingen eller 'Inner' 'Outer' (ärendekänsligt).
InvalidFillNAMethod 400 Fältet 'fillNAMethod' måste vara något av följande: , , , , , och det 'Previous' får inte vara när är 'Subsequent' 'Linear' 'Zero' 'Fixed' 'NotFill' 'NotFill' 'alignMode' 'Outer' . Kontrollera värdet för 'fillNAMethod' . Mer information finns i det här avsnittet.
RequiredPaddingValue 400 Fältet 'paddingValue' krävs i begäran när är 'fillNAMethod' 'Fixed' . Du måste ange ett giltigt utfyllnadsvärde när 'fillNAMethod' är 'Fixed' . Mer information finns i det här avsnittet.
RequiredSource 400 Fältet 'source' krävs i begäran. Din träningsbegäran har inte angett något värde för 'source' fältet. Exempel: {"source": <Your Blob SAS>}.
RequiredStartTime 400 Fältet 'startTime' krävs i begäran. Din träningsbegäran har inte angett något värde för 'startTime' fältet. Exempel: {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Ogiltigt tidsstämpelformat. <timestamp> är inte ett giltigt format. Formatet för tidsstämpeln i begärandetexten är inte korrekt. Du kan försöka import pandas as pd; pd.to_datetime(timestamp) verifiera.
RequiredEndTime 400 Fältet 'endTime' krävs i begäran. Din träningsbegäran har inte angett något värde för 'startTime' fältet. Exempel: {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 Fältet 'slidingWindow' måste vara ett heltal mellan 28 och 2880. 'slidingWindow' måste vara ett heltal mellan 28 och 2880 (inklusive).

Hämta multivariate-modell med modell-ID

Felkod HTTP-felkod Felmeddelande Kommentar
ModelNotExist 404 Modellen finns inte. Modellen med motsvarande modell-ID finns inte. Kontrollera modell-ID:t i begärande-URL:en.

Lista flervarierade modeller

Felkod HTTP-felkod Felmeddelande Kommentar
InvalidRequestParameterError 400 Ogiltiga värden för $skip eller $top ... Kontrollera om värdena för de två parametrarna är numeriska. $skip och $top används för att visa en lista över modeller med sidnumrering. Eftersom API:et endast returnerar 10 senast uppdaterade modeller kan du använda $skip och $top för att få modeller uppdaterade tidigare.

Avvikelseidentifiering med en tränad modell

Felkod HTTP-felkod Felmeddelande Kommentar
ModelNotExist 404 Modellen finns inte. Modellen som används för slutsatsledning finns inte. Kontrollera modell-ID:t i begärande-URL:en.
ModelFailed 400 Modellen kunde inte tränas. Modellen har inte tränats. Få detaljerad information genom att hämta modellen med modell-ID.
ModelNotReady 400 Modellen är inte klar än. Modellen är inte klar än. Vänta en stund tills träningsprocessen har slutförts.
InvalidFileSize 413 Filen <file> överskrider filstorleksgränsen <size limit> (byte). Storleken på härledningsdata överskrider den övre gränsen (2 GB för närvarande). Använd mindre data för slutsatsledning.

Hämta identifieringsresultat

Felkod HTTP-felkod Felmeddelande Kommentar
ResultNotExist 404 Resultatet finns inte. Resultatet per begäran finns inte. Inferensen har inte slutförts eller så har resultatet upphört att gälla (7 dagar).

Databearbetningsfel

Följande felkoder har inte associerade HTTP-felkoder.

Felkod Felmeddelande Kommentar
NoVariablesFound Inga variabler hittades. Kontrollera att filerna är ordnade enligt instruktion. Det gick inte att hitta några CSV-filer från datakällan. Detta orsakas vanligtvis av felaktig organisering av filer. Se exempeldata för önskad struktur.
DuplicatedVariables Det finns flera variabler med samma namn. Det finns duplicerade variabelnamn.
FileNotExist Filen <filename> finns inte. Det här felet inträffar vanligtvis under inferensen. Variabeln visas i träningsdata men saknas i inferensdata.
RedundantFile Filen <filename> är redundant. Det här felet inträffar vanligtvis under inferensen. Variabeln fanns inte i träningsdata utan visades i inferensdata.
FileSizeTooLarge Storleken på filen <filename> är för stor. Storleken på den enskilda CSV-filen <filename> överskrider gränsen. Träna med mindre data.
ReadingFileError Fel uppstod vid läsning av <filename> . <error messages> Det gick inte att läsa filen <filename> . Du kan referera till <error messages> för mer information eller verifiera med i en lokal pd.read_csv(filename) miljö.
FileColumnsNotExist Kolumners tidsstämpel eller värde <filename> i filen finns inte. Varje csv-fil måste ha två kolumner med namnen tidsstämpel och värde (case sensitive).
VariableParseError <variable> <error message> Variabelparse-fel. Det går inte <variable> att bearbeta på grund av körningsfel. Mer information finns <error message> i eller kontakta oss med <error message> .
MergeDataFailed Det gick inte att slå samman data. Kontrollera dataformatet. Datasammanfogningen misslyckades. Detta kan bero på fel dataformat, organisering av filer osv. Se exempeldata för den aktuella filstrukturen.
ColumnNotFound Det <column> går inte att hitta kolumnen i sammanfogade data. En kolumn saknas efter sammanslagningen. Kontrollera data.
NumColumnsMismatch Antalet kolumner med sammanfogade data matchar inte antalet variabler. Kontrollera data.
TooManyData För många datapunkter. Det maximala antalet är 1000 000 per variabel. Minska storleken på indata.
NoData Det finns inga effektiva data Det finns inga data att träna/dra slutsatser efter bearbetningen. Kontrollera starttid och sluttid.
DataExceedsLimit Längden på data vars tidsstämpel är mellan startTime och endTime överskrider gränsen( <limit> ). Storleken på data efter bearbetning överskrider gränsen. (För närvarande finns det ingen gräns för bearbetade data.)
NotEnoughInput Det finns inte tillräckligt med data. Längden på data är <data length> , men den minsta längden bör vara större än skjutfönster som är <sliding window size> . Det minsta antalet datapunkter för slutsatsledning är storleken på skjutfönster. Försök att ange mer data för slutsatsledning.