Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Pemecahan masalah
<a name="batch-transform-errors"></a>

Jika Anda mengalami kesalahan dalam Amazon SageMaker AI Batch Transform, lihat tips pemecahan masalah berikut.

## Kesalahan batas waktu maksimum
<a name="batch-transform-errors-max-timeout"></a>

Jika Anda mendapatkan kesalahan batas waktu maksimum saat menjalankan tugas transformasi batch, coba yang berikut ini:
+ Mulailah dengan catatan tunggal`[BatchStrategy](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTransformJob.html#sagemaker-CreateTransformJob-request-BatchStrategy)`, ukuran batch default (6 MB) atau lebih kecil yang Anda tentukan dalam `[MaxPayloadInMB](https://docs.aws.amazon.com//sagemaker/latest/APIReference/API_CreateTransformJob.html#sagemaker-CreateTransformJob-request-MaxPayloadInMB)` parameter, dan kumpulan data sampel kecil. Setel parameter batas waktu maksimum `[InvocationsTimeoutInSeconds](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ModelClientConfig.html#sagemaker-Type-ModelClientConfig-InvocationsTimeoutInSeconds)` (yang memiliki maksimum 1 jam) hingga Anda menerima respons pemanggilan yang berhasil.
+ Setelah Anda menerima respons pemanggilan yang berhasil, ting `MaxPayloadInMB` katkan (yang memiliki maksimum 100 MB) dan `InvocationsTimeoutInSeconds` parameter bersama-sama untuk menemukan ukuran batch maksimum yang dapat mendukung batas waktu model yang Anda inginkan. Anda dapat menggunakan rekaman tunggal atau multi-rekaman `BatchStrategy` dalam langkah ini.
**catatan**  
Mele `MaxPayloadInMB` bihi batas menyebabkan kesalahan. Ini mungkin terjadi dengan kumpulan data besar jika tidak dapat dibagi, `SplitType` parameter disetel ke tidak ada, atau catatan individu dalam kumpulan data melebihi batas.
+ (Opsional) Set `[MaxConcurrentTransforms](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTransformJob.html#sagemaker-CreateTransformJob-request-MaxConcurrentTransforms)` el parameter, yang menentukan jumlah maksimum permintaan paralel yang dapat dikirim ke setiap instance dalam pekerjaan transformasi batch. Namun, nilai tidak `MaxConcurrentTransforms * MaxPayloadInMB` boleh melebihi 100 MB.

## Output tidak lengkap
<a name="batch-transform-errors-incomplete"></a>

SageMaker AI menggunakan Amazon S3 [ Multipart Upload API ](https://docs.aws.amazon.com/AmazonS3/latest/dev/uploadobjusingmpu.html) untuk mengunggah hasil dari pekerjaan transformasi batch ke Amazon S3. Jika terjadi kesalahan, hasil yang diunggah akan dihapus dari Amazon S3. Dalam beberapa kasus, seperti saat terjadi pemadaman jaringan, unggahan multipart yang tidak lengkap mungkin tetap ada di Amazon S3. Unggahan yang tidak lengkap juga dapat terjadi jika Anda memiliki beberapa file input tetapi beberapa file tidak dapat diproses oleh SageMaker AI Batch Transform. File input yang tidak dapat diproses tidak akan memiliki file output yang sesuai di Amazon S3.

Untuk menghindari biaya penyimpanan, sebaiknya tambahkan kebijakan bucket [ S3 ](https://docs.aws.amazon.com/AmazonS3/latest/dev/mpuoverview.html#mpu-abort-incomplete-mpu-lifecycle-config) ke aturan siklus hidup bucket S3. Kebijakan ini menghapus unggahan multipart yang tidak lengkap yang mungkin disimpan di bucket S3. Untuk informasi lebih lanjut, lihat [Manajemen Siklus Aktif Objek](https://docs.aws.amazon.com/AmazonS3/latest/dev/object-lifecycle-mgmt.html).

## Pekerjaan ditampilkan sebagai `gagal`
<a name="batch-transform-errors-failed"></a>

Jika pekerjaan transformasi batch gagal memproses file input karena masalah dengan dataset, SageMaker AI menandai pekerjaan tersebut sebagai`failed`. Jika file input berisi catatan buruk, pekerjaan transformasi tidak membuat file keluaran untuk file input tersebut karena hal itu mencegahnya mempertahankan urutan yang sama dalam data yang diubah seperti pada file input. Ketika dataset Anda memiliki beberapa file input, pekerjaan transformasi terus memproses file input meskipun gagal memprosesnya. File yang diproses masih menghasilkan hasil yang dapat digunakan.

Jika Anda menggunakan algoritma Anda sendiri, Anda dapat menggunakan teks placeholder, seperti`ERROR`, ketika algoritma menemukan catatan buruk dalam file input. Misalnya, jika catatan terakhir dalam dataset buruk, algoritma menempatkan teks placeholder untuk catatan itu di file output.