Example empty response,
{'name': 'projects/demo-project/datasets/demo-dataset',
'slices': []}
빈 slices 값은 요청된 시간 간격 [detectionTime - TimeseriesParams.forecastHistory, detectionTime + TimeseriesParams.granularity] 이내에 데이터 포인트가 없음을 나타냅니다.
또는 evaluateSlice API를 사용하여 데이터 세트에 있을 것으로 예상되는 명시적 슬라이스에 대해 쿼리할 수도 있습니다. 이렇게 하면 시스템이 지정된 슬라이스의 시계열과 해당 평가 상태를 강제로 반환합니다.
ForecastResult.label INSUFFICIENT_DATA
Timeseries Insights API 쿼리 또는 evaluateSlice를 실행하면 INSUFFICIENT_DATA이(가) 슬라이스당 ForecastResultLabel임을 관찰할 수 있습니다.
이는 특정 슬라이스를 구분하기에는 데이터가 충분하지 않음을 의미합니다.
상태 코드: 3. 메시지: Got density = xx. Min density = yy
다음 코드 예시에서 사용자는 Timeseries Insights API에 데이터 포인트의 90%가 요청된 시간 간격 [detectionTime - TimeseriesParams.forecastHistory, detectionTime] 이내에 있는 경우 분류를 수행하도록 요청했습니다.
Timeseries Insights API는 시계열 간격에서 데이터 포인트의 1%만 비어 있지 않으므로 분류를 제공할 수 없습니다.
"status": {
"code": 3,
"message": "Got density = 1. Min density = 90"
}
데이터 포인트가 존재하지 않을 수 있는 이유를 알아내기 위해 요청에서 다음 매개변수를 실험해 보세요.
detectionTime 및 TimeseriesParams
Timeseries Insights API가 작동하기에 충분한 기록을 확보할 수 있도록 [detectionTime - TimeseriesParams.forecastHistory, detectionTime + TimeseriesParams.granularity]이(가) 데이터 세트에 제공되는 모든 이벤트의 하위 범위인지 확인합니다.
이를 위해서는 시계열의 끝 부분에 가까운 detectionTime을(를) 선택해야 할 수도 있습니다.
Timeseries Insights API는 detectionTime 이전 과거 시간으로 돌아가서 시계열을 빌드합니다. 소급 기간과 시계열에 포함되는 데이터 포인트의 수는 TimeseriesParams.forecastHistory 및 TimeseriesParams.granularity에 의해 결정됩니다.
데이터 세트의 이벤트 실제 밀도가 확실하지 않은 경우 minDensity = 0.0(으)로 시작합니다. 나중에 정밀도를 높이려면 매개변수를 미세 조정합니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-09-04(UTC)"],[],[],null,["# Troubleshooting\n\nAccess\n------\n\n### Could not add `Timeseries Insights DataSet Owner` to the service account\n\nThe \"Timeseries Insights DataSet Owner\" role might not be shown in the UI.\nYou can use the role ID `roles/timeseriesinsights.datasetsOwner` with the\ngcloud command to grant the necessary access. \n\n gcloud projects add-iam-policy-binding \"${PROJECT_ID}\" \\\n --member=\"serviceAccount:${SVC_ACCOUNT}\" \\\n --role=roles/timeseriesinsights.datasetsOwner \\\n --condition=None\n\nAnomaly Detection\n-----------------\n\nThis section lays out some common debugging steps to understand the\nTimeseries Insights API responses if they are different from your expectations.\n\n### Empty slices\n\nWhen executing a Timeseries Insights [query](/timeseries-insights/docs/reference/rest/v1/projects.locations.datasets/query)\non a loaded dataset, you might receive an empty\n[response](/timeseries-insights/docs/reference/rest/v1/projects.locations.datasets/query#response-body). \n\n```\nExample empty response,\n{'name': 'projects/demo-project/datasets/demo-dataset',\n'slices': []}\n```\n\nEmpty `slices` indicate that there are no data points in the requested time\nintervals `[detectionTime - TimeseriesParams.forecastHistory, detectionTime + TimeseriesParams.granularity]`.\n\nYou can alternatively try to query for an explicit slice that you expect to\nbe present in the dataset by using the\n[evaluateSlice](/timeseries-insights/docs/reference/rest/v1/projects.locations.datasets/evaluateSlice)\nAPI. This forces the system to return the time series for the given slice\nand its evaluation status.\n\n### ForecastResult.label INSUFFICIENT_DATA\n\nWhen executing a Timeseries Insights API\n[query](/timeseries-insights/docs/reference/rest/v1/projects.locations.datasets/query)\nor\n[evaluateSlice](/timeseries-insights/docs/reference/rest/v1/projects.locations.datasets/evaluateSlice),\nyou might observe `INSUFFICIENT_DATA` as the per slice [ForecastResultLabel](/timeseries-insights/docs/reference/rest/v1/ForecastResult#forecastresultlabel).\nThis means that we don't have enough data to classify the particular slices.\n\n#### status code: 3. message: Got density = xx. Min density = yy\n\nIn the following code example, the user asked Timeseries Insights API to make the\nclassification if 90% of the data points is present in the requested time\nintervals `[detectionTime - TimeseriesParams.forecastHistory, detectionTime]`.\nTimeseries Insights API can't provide a classification, because only 1% of the\ndata points is non-empty in the time series interval. \n\n```\n\"status\": {\n \"code\": 3,\n \"message\": \"Got density = 1. Min density = 90\"\n}\n```\n\nTry to experiment with the following parameters in the request to understand why\nthe data points might not exist.\n\n- detectionTime and TimeseriesParams\n\n - Make sure that `[detectionTime - TimeseriesParams.forecastHistory, detectionTime + TimeseriesParams.granularity]`\n is a subrange of all the events available in your dataset so that there is enough history for\n Timeseries Insights API to work with.\n This might require\n you to choose a `detectionTime` that is close to the end of the time series.\n\n - Timeseries Insights API builds a time series by going back in time from the\n `detectionTime`. How much we go back in time and how many points are included\n in the time series are determined by TimeseriesParams.forecastHistory and\n TimeseriesParams.granularity,\n\n - Start with a `minDensity = 0.0` if uncertain about the actual\n density of the events in the dataset. Fine tune the parameter for better\n precision later.\n\nAlso, see [Timeseries concepts](/timeseries-insights/docs/concept#time_series)\nfor parameter definitions."]]
