多数のサブスクリプションが原因で Watson OpenScale の評価が失敗することがある

Watson OpenScale インスタンスに含まれているサブスクリプション (100 個のサブスクリプションなど) が多すぎると、品質評価が失敗する可能性があります。 以下のエラー・メッセージを表示するデータマート・サービス・ポッドのログで、障害の詳細を確認できます。

"Failure converting response to expected model EntityStreamSizeException: actual entity size (Some(8644836)) exceeded content length limit (8388608 bytes)! You can configure this by setting akka.http.[server|client].parsing.max-content-length or calling HttpEntity.withSizeLimit before materializing the dataBytes stream".

oc get pod -l component=aios-datamart コマンドを使用して、ポッドの名前を見つけることができます。 oc logs <pod name> コマンドを使用して、ポッドのログを記録することもできます。

このエラーを修正するには、以下のコマンドを使用して、 "ADDITIONAL_JVM_OPTIONS" 環境変数を編集することにより、要求本体の最大サイズを増やすことができます。

oc patch woservice <release name> -p '{"spec": {"datamart": {"additional_jvm_options":"-Dakka.http.client.parsing.max-content-length=100m"} }}' --type=merge

Watson OpenScaleのインストール時にリリース名をカスタマイズしない場合、リリース名は "aiopenscale" になります。

Microsoft Azure ML Studio

• 2 つのタイプの Azure Machine Learning Web サービスのうち、 Watson OpenScaleでサポートされるのは New タイプのみです。 Classic タイプはサポートされていません。

• デフォルトの入力名を使用する必要があります: Azure Web サービスでは、デフォルトの入力名は "input1"です。 現時点ではこのフィールドは Watson OpenScale で必須であり、欠落している場合は Watson OpenScale が機能しません。

  Azure Web サービスでデフォルト名を使用していない場合は、入力フィールド名を "input1"に変更してから、Web サービスを再デプロイし、 OpenScale 機械学習プロバイダーの設定を再構成します。

• Microsoft Azure ML Studio に対して機械学習モデルをリストする呼び出しをし、応答がタイムアウトする場合 (数多くの Web サービスがある場合など) は、タイムアウト値を増やす必要があります。 /etc/haproxy/haproxy.cfg 構成設定を変更して、この問題を回避する必要がある場合があります。

  • ロード・バランサー・ノードにログインし、/etc/haproxy/haproxy.cfg を更新して、以下のようにクライアントとサーバーのタイムアウトの設定を 1m から 5m に設定します。

    timeout client           5m
    timeout server           5m
    

  • systemctl restart haproxy を実行して、 HAProxy ロード・バランサーを再始動します。

HAProxy 以外のロード・バランサーを使用している場合も、同様の方法でタイムアウト値を調整する必要が生じることがあります。

• 2 つのタイプの Azure Machine Learning Web サービスのうち、 Watson OpenScaleでサポートされるのは New タイプのみです。 Classic タイプはサポートされていません。

設定のインポート後に実動サブスクリプションでフィードバック・データのアップロードが失敗する

実動前スペースから実動スペースに設定をインポートした後に、フィードバック・データのアップロードで問題が発生することがあります。 これは、データ・タイプの精度が一致しない場合に発生します。 設定をインポートすると、フィードバック・テーブルはその列タイプのペイロード・テーブルを参照します。 この問題を回避するには、ペイロード・データで最も精度の高い値タイプが最初にあることを確認してください。 例えば、整数データ・タイプよりも倍精度データ・タイプを優先する必要があります。

Microsoft Azure Machine Learning Service

モデル評価の実行時に、デプロイメント・スコアリング・エンドポイントを呼び出す必要がある場合に、 Watson OpenScale が Azure Machine Learning サービスと通信できないという問題が発生することがあります。 企業のセキュリティー・ポリシーを適用するセキュリティー・ツール (例えば Symantec Blue Coat など) がそのようなアクセスを妨げている可能性があります。

Watson OpenScale が、バッチ・デプロイメント・サブスクリプション用の新しい Hive 表の作成に失敗する

Watson OpenScale バッチ・デプロイメント構成時に、 Parquet 形式の新しい Apache Hive 表を作成することを選択すると、以下のエラーが発生する可能性があります。

Attribute name "table name" contains invalid character(s) among " ,;{}()\\n\\t=". Please use alias to rename it.;

このエラーは、列名の空白文字が原因で Watson OpenScale が CREATE TABLE SQL 操作の実行に失敗した場合に発生します。 このエラーを回避するには、列名から空白文字を削除するか、 Apache Hive 形式を csvに変更します。

Watson OpenScale のセットアップがデフォルトの Db2 データベースで失敗することがある

Watson OpenScale をセットアップしてデフォルトの Db2 データベースを指定すると、セットアップが完了しない場合があります。

この問題を修正するには、 Cloud Pak for Data で以下のコマンドを実行して、 Db2: を更新する必要があります。

db2 update db cfg using DFT_EXTENT_SZ 32

コマンドを実行した後、 Watson OpenScaleをセットアップするための新しい Db2 データベースを作成する必要があります。

親トピック: トラブルシューティング