指導方針和配額 - Amazon Forecast

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

指導方針和配額

以下各節包含 Amazon Forecast 準則和配額的相關資訊。

支援的 AWS 區域

如需支援 Forecast 的AWS區域清單,請參閱 Amazon Web Services 一般參考中的AWS區域和端點

合規

如需有關「Forecast」規範遵循方案的詳細資訊,請參閱AWSAWS符合性計劃的規範遵循、合規方案和AWS服務範圍。

Service Quotas

注意

若要要求增加可調配額,請使用 Service Quotas 主控台,並遵循《Ser vice Quotas 使用者指南》中〈要求增加配額〉一節中的步驟進行。

「Forecast」具有下列服務配額。

CreateDatasetImportJob應用程式介面施加的配額
資源 預設配額 可調整
Amazon S3 儲存貯體中的最大檔案數 10,000
Amazon S3 儲存貯體中所有檔案的累計大小上限 30 GB
資料集群組中的資料集數量上限 3 (每種類型各 1)
資料集中的列數量上限

30 億

註:A -南 1 地區的配額為 10 億。

目標時間序列資料集中的欄數量上限

(必要欄位 + 其他預測維度)

13 (3 + 10)

相關時間序列資料集中的欄數量上限

(必要欄位 + 其他預測維度 + 相關功能)

25 (2 + 10 + 13)
項目中繼資料集中的欄數量上限 10
任何其他資料集中的最大資料欄數 36
CreatePredictor應用程式介面施加的配額
資源 預設配額 可調整
最大 number of backtest windows (EvaluationParameters) 5

每個預測器的最大時間序列數

(項目數 X 目標時間序列資料集中跨預測維度的唯一值數量)

5,000,000 跨越所有目標時間序列項目和維度。

注意:A 南 1 區域的配額為 100 萬。

如果您超過 100,000 個項目,則 Forecast 支援每年、每月、每週和每日頻率,而不是更精細的頻率 (例如每小時)。

最大預測時程

CNN-QR、自動 DeepAR、AutoML:500 個資料點或目標時間序列資料集長度的 1/3 中較小者

ETS、NPTS、先知、ARIMA:500 個資料點中較小者,或目標時間序列資料集的長度減去一個。

一般資源配額
資源 預設配額 可調整
平行執行 CreateDatasetImportJob​ 任務上限 3
平行執行 CreatePredictor​ 任務上限 3
使用 AutoML 的平行執行 CreatePredictor​ 任務上限 3
平行執行 CreateAutoPredictor​ 任務上限 3
最大 parallel 執行 CreateExplainability 工作 3
最大 parallel 執行 CreateExplainabilityExport 工作 3
平行執行 CreatePredictorBacktestExportJob​ 任務上限 3
平行執行 CreateForecast​ 任務上限 3
平行執行 CreateForecastExportJob​ 任務上限 3
每個資源類型的 parallel StopResource 執行作業上限 3
資料集的最大數量 1500
資料集群組數目上限 500
資料集匯入任務數量上限 1000
預測器數量上限 500
最大數量 AutoPredictors 500
預測器回溯測試匯出工作的最大數目 1000
預測數量上限

100

預測匯出任務數量上限 1000
在主控台或 QueryForecast API 上可查詢預測的時間上限 30 天
可新增至資源的標籤數目上限 50
最多 parallel 執行 QueryForecast API 工作

10 個預測,包括 5 個使用大型資料集建立的預測 (任何超過 20GB 或 100,000 個項目)。

如果您使用大型資料集建立了 5 個以上的預測,則只QueryForecast能存取 5 個最新的大型資料集預測。

解釋能力的最大數量 1000
「無法解釋匯出」工作數目上限 1000
假設分析配額
資源 預設配額 可調整
平行執行 CreateWhatIfAnalysis​ 任務上限 3
假設分析的最大數目 500
平行執行 CreateWhatIfForecast​ 任務上限 3
假設預測的最大數量 100
平行執行 CreateWhatIfForecastExport​ 任務上限 3
假設預測匯出的最大數目 1000
匯出工作中假設預測的最大數目 3

條件和限制

使用天氣指數時,有以下條件和限制:

  • 可用演算法:如果使用舊式預測值,當您使用 CNN-QR、DeepAR + 和先知演算法訓練預測值時,可以啟用天氣指數。天氣指數不適用於華宇、ETS 和 NPTS。

  • Forecast 頻率:有效的預測頻率為MinutelyHourly、與Daily

  • Fo@@ recast 總時程:預測總時程不能超過 14 天的時間跨越到 future。有關每個預測頻率的預測總時程限制,請參考下列清單:

    • 1 minute-500

    • 5 minutes-500

    • 10 minutes-500

    • 15 minutes-500

    • Hourly-

    • Daily-十四

  • 時間序列長度:使用「天氣指數」訓練模型時,「Forecast」會在「Forecast」天氣資料集特徵化的開始日期之前截斷具有時間戳記的所有時間序列資料集。「Forecast」氣象資料集特徵化包含下列開始日期:

    • 美國地區:二零一八年七月二日

    • 歐洲地區:二零一八年七月二日

    • 亞太地區:二零一八年七月二日

    • 加拿大地區:二零一九年七月二日

    • 南美洲地區:二零二零年一月二日

    • 中美洲地區:二零二零年九月二日

    • 非洲及中東地區:二零二一年三月二十五日

    啟用天氣指數後,在預測值訓練期間,將不會使用開始日期之前具有時間戳記的資料點。

  • 位置數量:目標時間序列資料集不得超過 2000 個唯一位置。

  • 區域界限:資料集中的所有項目都必須位於單一區域內。

  • 時間序列長度下限:由於測試天氣指數時的額外資料需求,時間序列資料集的最小長度為:

    3 × ForecastHorizon + (BacktestWindows + 1) × BacktestWindowOffset

    如果您的時間序列資料集不符合此需求,請考慮減少下列項目:

    • ForecastHorizon-縮短您的預測總時程。

    • BacktestWindowOffset-在回溯測試期間縮短測試集的長度。

    • BacktestWindows-減少回溯測試的次數。