Allgemeine Fehlerbehebung im AI Center und häufig gestellte Fragen

Problem: Bereitstellungsauftrag bei laufender Verbindungsprüfung blockiert

Der Bereitstellungsauftrag bleibt möglicherweise in Connection checking in progress .

Lösung

Um dieses Problem zu beheben, führen Sie die folgenden Schritte aus:

Beenden Sie die Protokolle und überprüfen Sie den Status des conn-checker-Pods kubectl get pods .
Wenn Ungültiger Bildname angezeigt wird, versuchen Sie, den Pod zu beschreiben: kubectl describe <conn-checked-pod-name> .
Wenn die Meldung Fehler beim Anwenden des Standardbilds.. in Ereignisse (unten) angezeigt wird, kann dies bedeuten, dass Airgapped und Non-Airgapped gemischt sind:
1. Überprüfen Sie, ob infra und die Anwendung im selben Pod installiert sind.
2. Überprüfen Sie, ob die Lizenz identisch ist. Überprüfen Sie das Airgapped-Feld in der yaml -Datei, um zu sehen, ob es „true“ ist oder nicht und ob dies erwartet wird.
Wenn das Problem mit der Lizenz zusammenhängt, muss diese im Back-End geändert werden. Wenden Sie sich an die Person, die die Lizenz bereitgestellt hat, und bitten Sie sie, sie zu ändern, oder an das AI Center-Team.

Problem: Fehler auf der Hostadministratorseite

Bei Fehlern auf der Hostadministratorseite (Mandantenbereitstellungsfehler) verwenden Sie die folgende Lösung.

Lösung

Stellen Sie sicher, dass die Systemzeit auf den Orchestrator- und AI Center-VMs synchron ist, einschließlich der Sommerzeit. Das von Identity Server bereitgestellte Token kann eine Stunde in der Zukunft liegen, wenn die Systemzeit nicht synchronisiert ist.

Meldung: Kubectl Get Pods -A | Grep entfernt

Wenn aufgrund der obigen Fehlermeldung viele Pods entfernt werden, kann dies die Maschine verlangsamen oder Netzwerkprobleme verursachen. Um dieses Problem zu lösen, verwenden Sie die folgende Lösung.

Lösung

Führen Sie das folgende Skript oder ein ähnliches Skript aus, um dieses Problem zu beheben:

IFS=$'\)
'
for line in $(kubectl get pods -A | awk {'printf "%s,%s,%s\)
", $1,$2,$4'} | grep -E "Evicted"); do 
  ns=$(echo $line | cut -d',' -f1)
  pod=$(echo $line | cut -d',' -f2)
  kubectl delete pod -n $ns $pod
doneIFS=$'\)
'
for line in $(kubectl get pods -A | awk {'printf "%s,%s,%s\)
", $1,$2,$4'} | grep -E "Evicted"); do 
  ns=$(echo $line | cut -d',' -f1)
  pod=$(echo $line | cut -d',' -f2)
  kubectl delete pod -n $ns $pod
done

Problem mit ML-Fähigkeiten während der Vorhersage

Wenn Sie den Fortschritt eines Pods überwachen möchten, während er aufgerufen wird, müssen Sie den Pod identifizieren, der der Fähigkeit entspricht, und dann eine Verbindung mit der Linux-Maschine herstellen, um die Protokolle während einer Vorhersage zu überprüfen. Wie Sie dies am effizientesten tun können, finden Sie im Abschnitt Lösung unten.

Lösung

Führen Sie die folgenden Schritte aus, um einen Pod zu identifizieren, der einer Fähigkeit entspricht.

Wechseln Sie zur AI Center-Anwendung.
Wechseln Sie zur Seite ML -Fähigkeit.
Öffnen Sie Netzwerkaufrufe, während Sie die Seite überprüfen.
Aktualisieren Sie das Raster, um die ML-Fähigkeit abzurufen.
Suchen Sie den ML Skill-Aufruf und zeigen Sie ihn in der Vorschau an.
Suchen Sie die richtige ML-Fähigkeit in der Liste und suchen Sie nach Mandanten-ID und -ID. Mandanten-ID ist der Namespace und der Pod-Name.
Sobald Sie die obigen Informationen haben, überprüfen Sie die ausgeführten Protokolle mit dem folgenden Befehl:
```
kubectl -n <tenant-id> logs -f <id>kubectl -n <tenant-id> logs -f <id>
```

Sie können jetzt die Fähigkeit aufrufen und den Prozess in Echtzeit sehen.

Problem während der Ausführung der Pipeline

Ein Pipelinefehler tritt aufgrund eines Datei-Upload-Fehlers mit einer Fehlermeldung auf, die der folgenden ähnelt:

2021-04-30 20:59:43,397 - uipath_core.storage.local_storage_client:upload:132 - ERROR:  Failed to upload file: logs/f5f7b9f4-0813-4107-a269-bf65de12444f/train.log.20210430205938 to bucket: training-8319b955-6187-43c3-a46f-612a9ea6f523, error: can't start new thread
2021-04-30 20:59:48,401 - uipath_core.utils.utils:_retries:172 - WARNING:  Function: upload execution failed, retry count 12021-04-30 20:59:43,397 - uipath_core.storage.local_storage_client:upload:132 - ERROR:  Failed to upload file: logs/f5f7b9f4-0813-4107-a269-bf65de12444f/train.log.20210430205938 to bucket: training-8319b955-6187-43c3-a46f-612a9ea6f523, error: can't start new thread
2021-04-30 20:59:48,401 - uipath_core.utils.utils:_retries:172 - WARNING:  Function: upload execution failed, retry count 1

Lösung

Aktualisieren Sie auf eine neuere AI Center-Version (2021.4, zum Beispiel), wo dieses Problem behoben ist.

ODER

Wenn ein Upgrade derzeit keine Lösung ist, löschen Sie die Protokolle im Trainings-Pod mit dem folgenden Befehl:

kubectl -n <namespace> exec -it <pod_id> -- sh -c 'rm -rf /microservice/trainer_run_logs'kubectl -n <namespace> exec -it <pod_id> -- sh -c 'rm -rf /microservice/trainer_run_logs'

Im obigen Befehl werden die folgenden Variablen verwendet:

namespace – Namespace des Pods. Dies kann durch Ausführen des Befehls kubectl get namespaces abgerufen werden. Trainingsnamespaces beginnen mit training- .
pod_id – Pod-ID des Trainings-Pods. Dies kann durch Ausführen von kubectl get pod im obigen Trainingsbereich erreicht werden.