Auf dieser Seite wird beschrieben, wie Sie Informationen zu Fehlern abrufen, die beim Laden von Daten (Katalog- und Nutzerereignisse) und Vorhersagen aufgetreten sind.
Hilfe zum Einrichten von Benachrichtigungen finden Sie unter Benachrichtigungen einrichten.
Einführung
Es ist wichtig, Recommendations AI genaue Kataloginformationen und Nutzerereignisse bereitzustellen, um qualitativ hochwertige Ergebnisse zu erhalten. Wenn Sie die Ursache von Datenlast- und Vorhersagefehlern kennen, können Sie Fehler auf Ihrer Website leichter finden und beheben.
Fehler bei der Zusammenführung anzeigen
Auf der Fehlerseite können Sie die von den Datenuploadprozessen und Vorhersageanfragen generierten aggregierten Fehler ansehen.
Klicken Sie auf die Tabs, um zwischen Produktkatalogfehler, Nutzerereignisfehler und Vorhersagefehler zu wählen. Das System protokolliert auch Fehler aus Ihren Nutzerereignis-/Katalogimporten, z. B. eine fehlerhafte Zeile in der Google Cloud Storage-Datei. Unser System protokolliert bis zu 100 Fehler pro Importdatei. Sie können den Zeitraum definieren, für den Fehler angezeigt werden, und einen Filter basierend auf dem Fehlertyp erstellen.
Sie können auf einen einzelnen Fehler klicken, um die Logs für diesen Fehler in Cloud Logging aufzurufen.
Dies ist ein Beispiel für Logs für einen einzelnen Fehler:
Sie können einzelne Fehlerlogs öffnen, indem Sie das Log maximieren. Fehlerlogs enthalten weitere Details zur Anfrage, einschließlich der Nutzlasten der Anfrage- und Antwort sowie Fehlerdetails. Anhand dieser Informationen können Sie feststellen, wo sich der fehlerhafte Methodenaufruf auf Ihrer Website befindet.
Das folgende Beispiel zeigt ein Fehlerlog, in dem die Informationen zur Anfragenutzlast angezeigt werden:
Bei Fehlern durch ungültiges JSON erhalten Sie weitere Informationen zu dem Problem, indem Sie das Feld status
erweitern:
Status für einen bestimmten Integrationsvorgang anzeigen
Sie können den Status eines bestimmten Integrationsvorgangs im Feld für die Integrationsaktivität sehen:
Rufen Sie in der Google Cloud Console die Seite „Empfehlungen – KI-Daten“ auf.
Zur Seite „Recommendations AI-Daten“Öffnen Sie den Bereich mit den Importaktivitäten, indem Sie rechts in der Schaltflächenleiste auf Importaktivität ansehen klicken.
Sie können Fehler auf bestimmte Integrationsvorgänge prüfen.
Klicken Sie auf Logs ansehen in der Spalte "Detail" eines beliebigen Vorgangs mit einem Fehler zur Prüfung der Log-Dateien in Cloud Logging.
Fehlertypen
MISSING_FIELD
: Ein erforderlicher Feldwert ist nicht festgelegt. Bei einem Katalogelement fehlt beispielsweise der Titel.INVALID_TIMESTAMP
: Der Zeitstempel ist ungültig, z. B. zu weit in der Zukunft oder falsch formatiert.FIELD_VALUE_TOO_SMALL
: Der Wert im Feld liegt unter dem erforderlichen Minimum, z. B. ein negativer Preis.INCORRECT_JSON_FORMAT
: Die JSON-Datei in der Anfrage ist falsch formatiert, z. B. eine fehlende Klammer {.INVALID_LANGUAGE_CODE
: Der Sprachcode ist falsch formatiert.FIELD_VALUE_EXCEEDED
: Der Wert in dem Feld liegt über dem zulässigen Maximum.INVALID_RESOURCE_ID
: Die Ressourcen-ID ist ungültig. Beispielsweise ein nicht vorhandenescatalog_id
im Ressourcennamen.FIELD_SIZE_EXCEEDED
: Die Anzahl der Einträge im Feld überschreitet das maximale Limit.UNEXPECTED_FIELD
: In einem Feld, das leer sein sollte, ist ein Wert vorhanden, z. B. eine Transaktion zum Aufrufen einer Detailseite.INVALID_FORMAT
: Das Feld ist nicht richtig formatiert, z. B. ein ungültiger String.RESOURCE_ALREADY_EXISTS
: Sie haben versucht, eine bereits vorhandene Ressource zu erstellen, z. B. ein zuvor erstelltes Katalogelement.INVALID_API_KEY
: Der API-Schlüssel stimmt nicht mit dem Projekt in Ihrer Anfrage überein.INSUFFICIENT_PERMISSIONS
: Sie sind nicht berechtigt, die Anfrage auszuführen. Dieser Fehler ist in der Regel auf das Fehlen einer erforderlichen IAM-Berechtigung zurückzuführen.UNJOINED_WITH_CATALOG
: Die Anfrage enthält eine ID für den Katalogelement, die nicht im Katalog vorhanden ist. Der Katalog muss auf dem neuesten Stand sein.BATCH_ERROR
: Die Anfrage enthält mehrere Fehler, zum Beispiel einen Inline-Import mit 10 Elementen, bei denen die Validierung aus verschiedenen Gründen fehlgeschlagen ist.INACTIVE_RECOMMENDATION_MODEL
: Sie haben ein Modell abgefragt, das nicht bereitgestellt werden kann.ABUSIVE_ENTITY
: Die mit der Anfrage verknüpfte Besucher-ID oder Nutzer-ID hat in kurzer Zeit eine ungewöhnliche Anzahl von Ereignissen gesendet.FILTER_TOO_STRICT
: Der Filter für Vorhersageanfragen blockiert alle Vorhersageergebnisse. Allgemein beliebte Artikel (nicht personalisiert) werden zurückgegeben, es sei denn, der Aufruf hatstrictFiltering
als "false" angegeben. In diesem Fall werden keine Artikel zurückgegeben. Einige häufige Gründe für dieses Problem:- Sie geben ein Filter-Tag an, das in Ihrem Katalog nicht vorhanden ist. Es kann bis zu einem Tag dauern, bis eine Aktualisierung des Filter-Tags wirksam wird.
- Ihr Filter ist zu klein.
Logs direkt ansehen
Sie können Ihre Logdateien auch direkt in Logging öffnen. Mit diesem Link werden beispielsweise Logs für alle Recommendations AI-Fehler in der letzten Stunde geöffnet:
Allgemeine Messwerte für die Datenlast ansehen
Sobald das Datenuploadssystem erfolgreich ausgeführt wurde, können Sie auch die Tabs "Katalog" und "Ereignis" auf der Seite Recommendations AI-Daten verwenden, um allgemeine Fehlermesswerte für Ihre Datenaufnahme anzuzeigen und dafür zu sorgen, dass alles reibungslos funktioniert.
Sie können auch Benachrichtigungen hinzufügen, um informiert zu werden, wenn etwas mit dem Daten-Uploadsystem passiert.
Katalogdaten – Zusammenfassung
Die allgemeinen Datenstatistiken auf dem Tab "Katalog" zeigen an, wie viele Elemente Sie importiert haben, wie viele Artikel auf Lager sind und wann Sie zuletzt Katalogelemente importiert haben.
Sie können auch eine Vorschau der hochgeladenen Katalogelemente anzeigen und nach der Katalogelement-ID filtern.
Statistiken zur Nutzerereignisaufnahme
Für jede Art von Nutzerereignis sehen Sie auf dem Tab "Ereignis", wie viele davon Sie aufgezeichnet haben, wie viele davon nicht mit einem Katalogelement verknüpft wurden (nicht verknüpfte Ereignisse) und wie sich die Zahlen von denen vorheriger Zeiträume unterscheiden. Sie können einen Zeitraum von einem Tag, einer Woche und einem Monat auswählen oder einen benutzerdefinierten Zeitraum eingeben.
Sie können eine Grafik der aufgenommenen Nutzerereignisse im Zeitverlauf aufrufen und nach Nutzerereignistyp filtern.
Nicht verknüpfte Ereignisse
Wenn sich ein Nutzerereignis oder eine Vorhersageanfrage auf ein Katalogelement bezieht, das noch nicht in Recommendations AI hochgeladen wurde, handelt es sich um ein nicht verknüpftes Ereignis. Nicht verknüpfte Nutzerereignisse werden weiterhin protokolliert und nicht verknüpfte Vorhersageanfragen werden verarbeitet. Beide können jedoch nicht verwendet werden, um das Modell für zukünftige Vorhersagen zu optimieren. Aus diesem Grund sollten Sie gewährleisten, dass der Prozentsatz der nicht geloggten Ereignisse sowohl für Nutzerereignisse als auch für Vorhersageanfragen sehr niedrig ist.
Sie können den Prozentsatz der nicht verknüpften Nutzerereignisse auf dem Tab "Ereignis" auf der Seite "Daten" ansehen:
Sie können den Prozentsatz der nicht verknüpften Vorhersageanfragen auf der Seite "Placements" einsehen:
API-Fehler
Sie können ein Diagramm der API-Fehler im Zeitverlauf anzeigen, das nach Methodenname angezeigt wird. Klicken Sie dazu auf der Schaltflächenleiste der Seite Fehler auf API-Messwerte ansehen.
Weitere Informationen
- Weitere Informationen zum Festlegen von Fehlerbenachrichtigungen für Ihre Datenfeeds
- Weitere Informationen zu Error Reporting
- Weitere Informationen zum Aufrufen von Logs in Logging