AI_DIAGNOSE_ERROR condition d’erreur

SQLSTATE : 56000

Échec du diagnostic du problème.

AMBIGUOUS_LOG_DESTINATION

AI_DIAGNOSE n’a pas pu déterminer quel répertoire sous la destination <logDestination> du journal contient les journaux d’événements Spark : plusieurs sous-répertoires candidats ont été trouvés et aucun ne contient directement un répertoire 'service=eventlog'. Veuillez spécifier le chemin de destination exact des journaux (le répertoire contenant directement 'service=eventlog/').

AVAILABILITY_CHECK_FAILED

AI_DIAGNOSE impossible de vérifier la disponibilité du modèle avant d’appeler le LLM : <errorMessage>

CLUSTER_LAUNCH_FAILED

L’exécution <runId> du travail a une configuration classique de cluster mais le cluster n’a jamais démarré (le cluster n’a pas été assigné). Cela est généralement causé par une erreur d’autorisation ou un problème de quota lors de la création du cluster.

CONCURRENT_TASKS_NOT_SUPPORTED

Plusieurs cluster_ids ont été trouvés dans l’exécution du travail <runId>. AI_DIAGNOSE ne prend pas en charge les exécutions simultanées de tâches, car les journaux ne sont pas isolés.

FENÊTRE_CONTEXTUELLE_DÉPASSÉE

Fenêtre de contexte dépassée : les jetons estimés <estimatedTokens> dépassent le jeton maximal autorisé de <thresholdTokens>.

ENDPOINT_NOT_CONFIGURED

AI_DIAGNOSE le point de terminaison n’est pas configuré. Définissez spark.databricks.sql.aiDiagnose.endpointName ou passez model_endpoint à la procédure.

HTTP_REQUEST_FAILED (Échec de la requête HTTP)

Échec de la requête HTTP distante : <errorMessage>

ERREUR_INTERNE

Une erreur interne s’est produite : <errorMessage>

INVALID_ARGUMENT

Arguments non valides pour AI_DIAGNOSE: <errorMessage>

INVALID_RUN_ID

ID d’exécution <runId>non valide : impossible de résoudre le cluster associé. Vérifiez que l’ID d’exécution est correct et que vous êtes autorisé à l’afficher.

LLM_AUTH_FAILED

Le point de terminaison LLM a rejeté la requête avec le code HTTP <endpointName> : <httpStatusCode>. Vérifiez que l’identité appelante a accès au point de terminaison.

LLM_ENDPOINT_NOT_FOUND

Le point de terminaison <endpointName> LLM est introuvable (HTTP <httpStatusCode>) : <errorMessage>. Le modèle peut ne pas être disponible dans cet espace de travail.

LLM_NETWORK_TIMEOUT

Le délai d’attente de la requête vers le point de terminaison LLM <endpointName> a expiré : <errorMessage>. Le point de terminaison peut être lent ou le prompt peut être trop volumineux.

LLM_NETWORK_UNREACHABLE

Impossible d’atteindre le point de terminaison LLM <endpointName> : <errorMessage>. Vérifiez la configuration réseau de l’espace de travail.

LLM_NOT_APPROVED

Le point de terminaison <endpointName> LLM n’est pas approuvé pour cet espace de travail : <errorMessage>. Utilisez un modèle approuvé pour l’administrateur de cet espace de travail.

LLM_RATE_LIMITED

Le point de terminaison LLM <endpointName> a limité le débit de la requête (HTTP <httpStatusCode>) : <errorMessage>. Réessayez ultérieurement.

LLM_SERVER_ERROR

Le point de terminaison <endpointName> LLM a retourné une erreur de serveur (HTTP <httpStatusCode>) : <errorMessage>.

RÉPONSE MAL FORMÉE

Le point de terminaison LLM a retourné une réponse malformée : <errorMessage>

MISSING_EVENT_LOGS

Les journaux des événements Spark ne sont pas disponibles à partir de la destination de journal <logDestination>. AI_DIAGNOSE nécessite des journaux d’événements lisibles pour analyser l’exécution de Spark. Erreur sous-jacente : <underlyingError>

MISSING_INPUT_PROMPT

Le paramètre ' prompt' est requis. Transmettez prompt => '[description]' à AI_DIAGNOSE avec une description du problème, y compris le message d’erreur exact ou la trace de la pile d’appels lors de l’exécution de la tâche.

NO_AVAILABLE_MODELS

Aucun des modèles préférés n’est disponible pour cet espace de travail. Préféré : <preferred>. Disponible : <available>.

PIPELINE_TASK_NOT_SUPPORTED

L’exécution <runId> du travail contient une tâche pipeline (Spark Declarative Pipelines on Lakeflow/Lakeflow). AI_DIAGNOSE ne supporte pas le diagnostic des tâches pipeline car elles n’utilisent pas un cluster Spark standard.

FONCTIONNALITÉ SANS SERVEUR_NON PRISE EN CHARGE

Le calcul sans serveur a été détecté pour l’exécution de la tâche <runId>. AI_DIAGNOSE ne permet pas de diagnostiquer les exécutions de jobs serverless.

SPARK_EVENTS_CONNECTION_FAILED

AI_DIAGNOSE Échec de lire les événements de requête Spark du service de diagnostic IA. Contactez le support Azure Databricks si cela persiste. Détails : <cause>

SPARK_EVENTS_CREDENTIALS_UNAVAILABLE

AI_DIAGNOSE n’a pas pu obtenir les identifiants pour lire les événements de requête Spark via le service de diagnostic IA. Contactez le support Azure Databricks si cela persiste.

SPARK_EVENTS_MISSING_WORKSPACE

AI_DIAGNOSE Je n’ai pas pu lire les événements de requête Spark car l’identifiant de l’espace de travail manque ou invalide. Contactez le support Azure Databricks si cela persiste.

SPARK_EVENTS_OUT_OF_BOUND_PREDICATE

AI_DIAGNOSE Impossible de scanner les événements de requête Spark : un prédicat sur la colonne <column> n’est pas épinglé à l’exécution du travail diagnostiqué (permis : <allowed>, got : <got>).

SPARK_EVENTS_SERVICE_UNAVAILABLE

AI_DIAGNOSE impossible de lire les événements de requête Spark car l’URL du service de diagnostic IA n’est pas disponible. Contactez le support Azure Databricks si cela persiste.

SPARK_EVENTS_UNEXPECTED_WORKSPACE_SCOPE

AI_DIAGNOSE A cessé de lire les événements de requête Spark car le service a renvoyé une portée d’espace de travail inattendue. Contactez le support Azure Databricks si cela persiste.

SQL_TASK_NOT_SUPPORTED

Exécution <runId> de tâches contient une tâche SQL (alerte SQL, requête SQL ou tableau de bord SQL) qui s’exécute sur un entrepôt SQL. AI_DIAGNOSE nécessite un cluster Spark avec livraison de journaux et ne prend pas en charge les tâches SQL warehouse.

TOOL_CALL_TIMEOUT

L’outil a expiré après <timeoutSeconds> quelques secondes.

ÉTAT_D'EMPLOI_NON_SUPPORTÉ

L’état du travail n’est pas pris en charge : <errorMessage>