错误响应
当您访问图片处理服务出现错误时，图片处理服务会将相应的错误码和错误信息返回给您，以帮助您定位与处理问题。图片处理服务错误的响应格式 错误响应的消息体例子：<Error><Code>BadRequest</Code><Message>Input is not base64 decoding....
错误响应
当您使用文件处理功能出现错误时，会返回相应的错误码和错误信息，帮助您定位与处理问题。错误响应 文件处理功能错误响应的消息体示例如下：<Error><Code>Imm Client</Code><Message>InvalidArgument,The parameter OctreeOption is ...
错误响应
当您使用文档处理功能出现错误时，会返回相应的错误码和错误信息，帮助您定位与处理问题。错误响应 文档处理功能错误响应的消息体示例如下：<Error><Code>Imm Client</Code><Message>InvalidArgument,[target]:is required.9D31D05E-FC1C-...
错误响应
当您使用媒体处理功能出现错误时，会返回相应的错误码和错误信息，帮助您定位与处理问题。错误响应 媒体处理功能错误响应的消息体示例如下：<Error><Code>Imm Client</Code><Message>InvalidArgument,[target]:is required.9D31D05E-FC1C-...
错误响应
当用户访问图片处理服务出现错误的时候，图片处理服务会返回给用户相应的错误码和错误信息，以帮助用户定位与处理问题。错误响应 图片处理服务错误响应的消息体示例如下：<Error><Code>BadRequest</Code><Message>Input is not base64 ...
区间检测
告警数预测原理 ARMS会根据指标历史24h数据，计算指标会超出每个阈值的次数来预测在该设定下告警的数量。并且，ARMS提供了指标详细信息，您可以看到指标实际值超出阈值的具体时间。您可以根据这些信息调整阈值，以适配实际业务需求。相关...
区间检测
告警数预测原理 ARMS会根据指标历史24h数据，计算指标会超出每个阈值的次数来预测在该设定下告警的数量。并且，ARMS提供了指标详细信息，您可以看到指标实际值超出阈值的具体时间。您可以根据这些信息调整阈值，以适配实际业务需求。相关...
区间检测
告警数预测原理 ARMS会根据指标历史24h数据，计算指标会超出每个阈值的次数来预测在该设定下告警的数量。并且，ARMS提供了指标详细信息，您可以看到指标实际值超出阈值的具体时间。您可以根据这些信息调整阈值，以适配实际业务需求。相关...
数据加工延迟问题排查与处理
本视频介绍数据加工延迟问题的排查与处理方法。
异常检测
DAS会使用数据库实例过去一段时间内小时级别的数据预测数据库实例当前时刻的指标值，以预测指标值作为基线与当前实际指标值进行对比，从而得出指标变化倍数。相关文档 您可以利用DAS的自治功能，在数据库出现异常时进行自动处理。自动SQL限...
常见问题
only问题的排查与处理方法 集群负载不均问题的分析方法及解决方案 通过手动迁移shard均匀分布热点数据的解决方案 指标含义与异常处理建议 fielddata内存使用率高问题的排查与处理方法 重启变更报错：集群状态不健康或存在close索引，不能...
组件参考：所有组件汇总
条件随机场预测 该组件是基于linearCRF在线预测模型的算法组件，主要应用于处理序列标注问题。Split Word（生成模型）该组件基于AliWS（Alibaba Word Segmenter）词法分析系统，根据参数和自定义词典生成分词模型。词频统计 该组件是指输入...
LightGBM
它可以说是分布式的，高效的，有以下优势：更快的训练效率 低内存使用 更高的准确率 支持并行化学习 可以处理大规模数据 与常见的机器学习算法对比，速度是非常快的。计算逻辑原理 LightGBM 通过叶分裂(Leaf-wise)策略来生长树。每次从当前...
GBDT二分类V2
1 输出桩说明 输出桩 存储位置 下游建议组件 数据类型 模型输出 不需要配置 GBDT二分类预测V2 MaxCompute表 特征重要性输出 不需要配置 无 MaxCompute表 与PS-SMART二分类对比 如果您之前使用 PS-SMART二分类训练 组件遇到了一些问题不容易...
K近邻
计算逻辑原理 最近邻方法的原理是找到距离新点最近的预定义数量的训练样本，并从中预测标签。样本数量可以是用户定义的常数（k-最近邻学习），也可以根据点的局部密度（基于半径的邻居学习）而变化。通常，距离可以是任何度量标准：标准...
工作原理
本文介绍智能巡检的背景信息、工作原理、功能特性、基本概念、调度与执行场景和使用建议。背景信息 基于时间的数据（例如日志、指标）日积月累后会积累大量的数据。例如，某个服务每天产生1000万条数据，则一年大约为36亿条数据。对于这些...
基本概念
自定义模型 自定义模型版本是基于您训练过的模型进行再次训练，从而调优模型效果，请注意，由于大模型的训练原理，多次训练模型时，后序训练易丢失前序训练已习得的能力，建议后序训练数据需要采样或保持前序训练数据。循环次数 循环次数...
Lasso回归训练
输出桩 输出桩（从左到右）数据类型 下游组件 模型 回归模型 Lasso回归预测 模型信息 无 无 特征重要性 无 无 线性模型权重系数 无 无 通过代码方式配置组件 您可以将以下代码复制到 PyAlink脚本 组件中，使PyAlink脚本组件实现与该组件...
岭回归训练
输出桩 输出桩（从左到右）数据类型 下游组件 模型 回归模型 岭回归预测 模型信息 无 无 特征重要性 无 无 线性模型权重系数 无 无 通过代码方式配置组件 您可以将以下代码复制到 PyAlink脚本 组件中，使PyAlink脚本组件实现与该组件相同的...
流水线组件
问题处理 如果发生冲突导致合并失败，可尝试先合并一次目标分支，例如当从 source_branch 合并到 target_branch 时产生冲突，可尝试使用以下方法解决：git fetch#更新代码 git checkout source_branch#这里的 source_branch 指来源分支，...
实时同步任务告警设置最佳实践
指标6：DDL通知 报警监控原理与适用场景 配置建议 DDL通知指标监控支持设置DDL类型（与DDL处理策略解耦），当监控的DDL事件发生时发送对应告警。功能包含 DDL不支持 类型告警功能，DDL类型监控告警场景推荐使用此告警设置。指标7：脏数据 ...
模型训练
完成了数据集的构建，就可以开始模型的训练了。...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
模型训练
完成了数据集的构建，就可以开始模型的训练了。...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
模型训练
文本关系抽取-模型训练。完成了数据集的构建，就...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
模型训练
完成了数据集的构建，就可以开始模型的训练了。...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
成本分析
预测费用是根据用户的历史后付费费用估算的，因此仅预测后付费费用变化，可能与预测时段内的实际费用不同，预测数据仅供参考，最大支持12个月的预测（详见费用预测）。查看费用趋势 在费用趋势板块，可查看多类维度下的费用变化趋势。分类...
消费-通过消费组实现高可靠消费
但在现实世界中，用户数、处理量规模的变化与不确定性会使得以上三个问题变得更复杂。遇到发工资的日期，用户数会大涨。柜员（Clerk）毕竟不是机器人，也需要休假，需要吃午饭。银行经理为了整体服务体验，需要增加柜员。那以什么作为判断...
预算管理
本期预实：展示本期实际值、本期实际与预测之和，分别与本期预算的占比，使用率与覆盖率预算暂不支持进行预测，故本期实际与预测之和等于本期实际值；预算记录：展示预算起止日期内，各滚动周期的预测值、实际值、预算值，及实际值、预算值...
横向预测
横向预测输出字段说明：预测类型 predict_result predict_detail predict_score 二分类 预测标签 预测概率矩阵 预测标签的概率 多分类 预测标签 预测概率矩阵 预测标签的概率 回归-回归值 聚类 簇序号-组件截图 二、参数说明 参数名称 参数...
阈值检测
告警数预测原理 ARMS会根据指标历史24h数据，计算指标会超出每个阈值的次数来预测在该设定下告警的数量。并且，ARMS提供了指标详细信息，您可以看到指标实际值超出阈值的具体时间。您可以根据这些信息调整阈值，以适配实际业务需求。相关...
阈值检测
告警数预测原理 ARMS会根据指标历史24h数据，计算指标会超出每个阈值的次数来预测在该设定下告警的数量。并且，ARMS提供了指标详细信息，您可以看到指标实际值超出阈值的具体时间。您可以根据这些信息调整阈值，以适配实际业务需求。相关...
用户流失预警风控
因为某用户只有流失与不流失两种可能性，所以用户流失预警属于二分类问题，可以使用二分类算法进行处理。④ 使用 二分类评估 组件进行模型验证，可以通过AUC、KS及F1Score等指标评估模型效果。运行工作流并查看模型效果。单击画布上方的 ...
0007-00000201
问题原因 服务端正在处理的上传回调请求过多，导致无法继续处理新的上传回调请求。问题示例 无。解决方案 请稍后再试。相关文档 关于203错误的原因与解决方案，请参见 203错误。关于上传回调的基本原理和使用方法，请参见 上传回调 与 ...
阈值检测
告警数预测原理 ARMS会根据指标历史24h数据，计算指标会超出每个阈值的次数来预测在该设定下告警的数量。并且，ARMS提供了指标详细信息，您可以看到指标实际值超出阈值的具体时间。您可以根据这些信息调整阈值，以适配实际业务需求。相关...
专家成长计划服务内容说明
8 基于海量云上的诊断排查实战经验，针对使用ECS产品场景，提供针对阿里云产品功能特性、架构设计、性能调优、疑难诊断等方面技术赋能，包括但不限于如下场景的综合技术项：1、ECS和磁盘使用基本介绍、Linux启动问题处理、Linux登录问题...
备份对数据库的影响
备份原理与影响 类目 逻辑备份 物理备份 全量备份原理 对每张表数据进行切分，然后在数据库上执行SQL语句，多线程并行读取数据。在数据库所在服务器上安装DBS备份网关，然后通过备份网关将数据库文件进行备份（拷贝）。增量备份原理 支持...
专家成长计划技术培训课程
1、ECS和磁盘使用基本介绍、Linux启动问题处理、Linux登录问题处理、Linux性能问题排查、windows启动问题处理、windows性能问题排查 2、负载均衡SLB原理介绍、无法访问SLB问题排查、健康检查原理和健康检查异常时处理思路、转发策略&多...
0007-00000202
关于上传回调的基本原理和使用方法，请参见 上传回调 与 Callback。关于上传回调中的常见错误及错误排查，请参见 上传回调错误及排除。关于基于Post Policy的使用规则在服务端通过各语言SDK代码完成签名，并且设置上传回调，然后通过表单直...
类目预测干预词典
使用介绍 目前支持对训练出的类目预测模型进行人工干预。用户实现干预操作的过程与查询分析干预类似，通常有以下三步：1.创建干预词典。用户通过 控制台->功能扩展->词典管理，进入查询分析干预词典页后，点击页面右上角的“创建”。选择了...
产品架构
一致性问题处理简单：计算层只需要保证同一时刻有一个计算节点写入同一分片的数据。扩展更灵活：计算和存储可以分开扩展，计算不够扩计算节点，存储不够扩存储节点。这样在大促等场景上会非常灵活。计算资源不够了，马上扩容计算就好了，不...
- 产品推荐
- 这些文档可能帮助您