Partilhar via

Solucionar problemas da API multivariada

  • Artigo

Importante

A partir de 20 de setembro de 2023, você não poderá criar novos recursos do Detetor de Anomalias. O serviço de Detetor de Anomalias está a ser desativado no dia 1 de outubro de 2026.

Este artigo fornece orientação sobre como solucionar problemas e corrigir mensagens de erro comuns quando você usa a API multivariada do Azure AI Anomaly Detetor.

Códigos de erro multivariados

As tabelas a seguir listam códigos de erro multivariados.

Erros comuns

Código de erro Código de erro HTTP Mensagem de Erro Comentário
SubscriptionNotInHeaders 400 apim-subscription-id não é encontrado em cabeçalhos. Adicione seu ID de assinatura APIM no cabeçalho. Um exemplo de cabeçalho é {"apim-subscription-id": <Your Subscription ID>}.
FileNotExist 400 A fonte> do arquivo <não existe. Verifique a validade da sua assinatura de acesso compartilhado blob. Certifique-se de que não expirou.
InvalidBlobURL 400 Sua assinatura de acesso compartilhado de blob não é uma assinatura de acesso compartilhado válida.
StorageWriteError 403 Este erro é possivelmente 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 obter mais informações, consulte Configurar chaves gerenciadas pelo cliente com o Azure Key Vault para serviços de IA do Azure.
StorageReadError 403 O mesmo que StorageWriteError.
UnexpectedError 500 Entre em contato conosco com informações detalhadas sobre erros. Você pode usar as opções de suporte das opções de suporte e ajuda dos serviços de IA do Azure ou enviar um e-mail para AnomalyDetector@microsoft.com.

Treinar um modelo multivariado de deteção de anomalias

Código de erro Código de erro HTTP Mensagem de Erro Comentário
TooManyModels 400 Esta subscrição atingiu o número máximo de modelos. Cada ID de subscrição APIM pode ter 300 modelos ativos. Exclua modelos não utilizados antes de treinar um novo modelo.
TooManyRunningModels 400 Esta subscrição atingiu o número máximo de modelos em execução. Cada ID de assinatura APIM pode treinar cinco modelos simultaneamente. Treine um novo modelo depois que os modelos anteriores tiverem concluído seu processo de treinamento.
InvalidJsonFormat 400 Formato JSON inválido. A solicitação de treinamento não é um JSON válido.
InvalidAlignMode 400 O 'alignMode' campo deve ser um dos seguintes: 'Inner' ou 'Outer' . Verifique o valor de , que deve ser ou 'Inner' 'Outer' (diferencia maiúsculas de 'alignMode'minúsculas).
InvalidFillNAMethod 400 O 'fillNAMethod' campo deve ser um dos seguintes: 'Previous', 'Subsequent', 'Linear', , 'Zero''Fixed', 'NotFill'. Não pode ser 'NotFill' quando 'alignMode' é 'Outer'. Verifique o valor de 'fillNAMethod'. Para obter mais informações, consulte Práticas recomendadas para usar a API multivariada do Detetor de Anomalias.
RequiredPaddingValue 400 O 'paddingValue' campo é obrigatório no pedido quando 'fillNAMethod' é 'Fixed'. Você precisa fornecer um valor de preenchimento válido quando 'fillNAMethod' é 'Fixed'. Para obter mais informações, consulte Práticas recomendadas para usar a API multivariada do Detetor de Anomalias.
RequiredSource 400 O 'source' campo é obrigatório no pedido. Sua solicitação de treinamento não especificou um valor para o 'source' campo. Um exemplo é {"source": <Your Blob SAS>}.
RequiredStartTime 400 O 'startTime' campo é obrigatório no pedido. Sua solicitação de treinamento não especificou um valor para o 'startTime' campo. Um exemplo é {"startTime": "2021-01-01T00:00:00Z"}.
InvalidTimestampFormat 400 Formato de carimbo de data/hora inválido. O <timestamp> formato 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) verificar.
RequiredEndTime 400 O 'endTime' campo é obrigatório no pedido. Sua solicitação de treinamento não especificou um valor para o 'startTime' campo. Um exemplo é {"endTime": "2021-01-01T00:00:00Z"}.
InvalidSlidingWindow 400 O 'slidingWindow' campo deve ser um número inteiro entre 28 e 2880. O 'slidingWindow' campo deve ser um número inteiro entre 28 e 2880 (inclusive).

Obter um modelo multivariado com um ID de modelo

Código de erro Código de erro HTTP Mensagem de Erro Comentário
ModelNotExist 404 O modelo não existe. O modelo com ID de modelo correspondente não existe. Verifique o ID do modelo no URL da solicitação.

Listar modelos multivariados

Código de erro Código de erro HTTP Mensagem de Erro Comentário
InvalidRequestParameterError 400 Valores inválidos para $skip ou $top. Verifique se os valores dos dois parâmetros são numéricos. Os valores $skip e $top são usados para listar os modelos com paginação. Como a API retorna apenas os 10 modelos atualizados mais recentemente, você pode usar $skip e $top para obter modelos atualizados anteriormente.

Deteção de anomalias com um modelo treinado

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

Obter resultados de deteção

Código de erro Código de erro HTTP Mensagem de Erro Comentário
ResultNotExist 404 O resultado não existe. O resultado por solicitação não existe. Ou a inferência não foi concluída ou o resultado expirou. O prazo de validade é de sete dias.

Erros no processamento de dados

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

Código de erro Mensagem de Erro Comentário
NoVariablesFound Nenhuma variável encontrada. Verifique se os seus ficheiros estão organizados de acordo com as instruções. Não foi possível encontrar arquivos CSV da fonte de dados. Este erro é normalmente causado pela organização incorreta de ficheiros. Consulte os dados de exemplo para obter a estrutura desejada.
DuplicatedVariables Existem várias variáveis com o mesmo nome. Há nomes de variáveis duplicados.
FileNotExist O <nome do arquivo> não existe. Este erro geralmente acontece durante a inferência. A variável apareceu nos dados de treinamento, mas está ausente nos dados de inferência.
RedundantFile O <nome do arquivo> é redundante. Este erro geralmente acontece durante a inferência. A variável não estava nos dados de treinamento, mas apareceu nos dados de inferência.
FileSizeTooLarge O tamanho do nome <do arquivo> é muito grande. O tamanho do único nome de arquivo <> CSV excede o limite. Treine com menos dados.
ReadingFileError Ocorreram erros ao ler <o nome do arquivo>. <mensagens de erro> Falha ao ler o nome do <arquivo> . Para obter mais informações, consulte as mensagens> de <erro ou verifique com pd.read_csv(filename) em um ambiente local.
FileColumnsNotExist As colunas, o carimbo de data/hora ou o valor no <nome do arquivo> não existem. Cada arquivo CSV deve ter duas colunas com os nomes , carimbo de data/hora e valor (diferencia maiúsculas de minúsculas).
VariableParseError Erro de mensagem> de erro de análise <de <variável> variável. Não é possível processar a variável> devido a <erros de tempo de execução. Para obter mais informações, consulte a mensagem> de <erro ou entre em contato conosco com a mensagem> de <erro.
MergeDataFailed Falha ao mesclar dados. Verifique o formato dos dados. Falha na mesclagem de dados. Este erro é possivelmente devido ao formato de dados errado ou a organização incorreta dos arquivos. Consulte os dados de exemplo para a estrutura de arquivo atual.
ColumnNotFound A <coluna> não pode ser encontrada nos dados mesclados. Uma coluna está faltando após a mesclagem. Verify the data.
NumColumnsMismatch O número de colunas de dados mesclados não corresponde ao número de variáveis. Verify the data.
TooManyData Muitos pontos de dados. O número máximo é de 1000000 por variável. Reduza o tamanho dos dados de entrada.
NoData Não existem dados eficazes. Não há dados para treinar/inferir após o processamento. Verifique a hora de início e a hora de fim.
DataExceedsLimit. O comprimento dos dados cujo carimbo de data/hora está entre startTime e endTime excede limit(<limit>). O tamanho dos dados após o processamento excede o limite. Atualmente, não há limite para os dados processados.
NotEnoughInput Dados insuficientes. O comprimento dos dados é <o comprimento> dos dados, mas o comprimento mínimo deve ser maior do que a janela deslizante, que é <o 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.