Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Menyegarkan data di Amazon Quick Sight
Saat menyegarkan data, Amazon Quick Sight menangani kumpulan data secara berbeda tergantung pada properti koneksi dan lokasi penyimpanan data.
Jika Quick Sight terhubung ke penyimpanan data menggunakan kueri langsung, data secara otomatis akan diperbarui saat Anda membuka kumpulan data, analisis, atau dasbor terkait. Kontrol filter disegarkan secara otomatis setiap 24 jam.
Untuk menyegarkan SPICE kumpulan data, Quick Sight harus mengautentikasi secara independen menggunakan kredensyal yang disimpan untuk terhubung ke data. Quick Sight tidak dapat menyegarkan data yang diunggah secara manual—bahkan dari bucket S3, meskipun disimpan di SPICE —karena Quick Sight tidak menyimpan koneksi dan metadata lokasinya. Jika Anda ingin menyegarkan data yang disimpan dalam bucket S3 secara otomatis, buat kumpulan data menggunakan kartu sumber data **S3**.
Untuk file yang Anda unggah secara manualSPICE, Anda me-refresh ini secara manual dengan mengimpor file lagi. Jika Anda ingin menggunakan kembali nama kumpulan data asli untuk file baru, ganti nama atau hapus kumpulan data asli terlebih dahulu. Kemudian berikan nama yang disukai ke dataset baru. Juga, periksa apakah nama bidang adalah nama dan tipe data yang sama. Buka analisis Anda, dan ganti dataset asli dengan dataset baru. Untuk informasi selengkapnya, lihat [Mengganti dataset](replacing-data-sets.md).
Anda dapat menyegarkan [SPICE](spice.md)kumpulan data Anda kapan saja. Menyegarkan mengimpor data ke SPICE lagi, sehingga data menyertakan perubahan apa pun sejak impor terakhir.
Untuk Amazon Quick Sight Standard Edition, Anda dapat melakukan penyegaran penuh SPICE data Anda kapan saja. Untuk Amazon Quick Sight Enterprise Edition, Anda dapat melakukan penyegaran penuh atau penyegaran tambahan (hanya sumber data berbasis SQL) kapan saja.
**catatan**
Jika kumpulan data Anda menggunakan CustomSQL, penyegaran secara bertahap mungkin tidak menguntungkan Anda. Jika query SQL kompleks, database Anda mungkin tidak dapat mengoptimalkan filter dengan jendela look-back. Hal ini dapat menyebabkan kueri yang menarik data membutuhkan waktu lebih lama daripada penyegaran penuh. Kami menyarankan Anda mencoba mengurangi waktu eksekusi kueri dengan refactoring SQL kustom. Perhatikan bahwa hasil dapat bervariasi tergantung pada jenis pengoptimalan yang Anda buat.
Anda dapat menyegarkan SPICE data dengan menggunakan salah satu pendekatan berikut:
+ Anda dapat menggunakan opsi pada halaman **Datasets**.
+ Anda dapat menyegarkan kumpulan data saat mengedit kumpulan data.
+ Anda dapat menjadwalkan penyegaran dalam pengaturan dataset.
+ Anda dapat menggunakan operasi [CreateIngestion](https://docs.aws.amazon.com/quicksight/latest/APIReference/API_CreateIngestion.html)API untuk menyegarkan data.
Saat membuat atau mengedit SPICE kumpulan data, Anda dapat mengaktifkan pemberitahuan email tentang status pemuatan data. Opsi ini memberi tahu pemilik kumpulan data jika data gagal dimuat atau disegarkan. Untuk mengaktifkan notifikasi, pilih opsi **Pemilik email saat penyegaran gagal** yang muncul di layar **Selesaikan pembuatan kumpulan data**. Opsi ini tidak tersedia untuk kumpulan data yang Anda buat dengan menggunakan **Unggah File** di halaman kumpulan data.
Dalam topik berikut, Anda dapat menemukan penjelasan tentang berbagai pendekatan untuk menyegarkan dan bekerja dengan SPICE data.
**Topics**
+ [Mengimpor data ke SPICE](spice.md)
+ [Menyegarkan data SPICE](refreshing-imported-data.md)
+ [Menggunakan SPICE data dalam analisis](spice-in-an-analysis.md)
+ [Lihat SPICE riwayat konsumsi](view-history-of-spice-ingestion.md)
+ [Memecahkan masalah kesalahan baris yang dilewati](troubleshooting-skipped-rows.md)
+ [SPICEkode kesalahan konsumsi](errors-spice-ingestion.md)
+ [Memperbarui file dalam kumpulan data](updating-file-dataset.md)
# Mengimpor data ke SPICE
Saat Anda mengimpor data ke dalam kumpulan data daripada menggunakan kueri SQL langsung, itu menjadi *SPICEdata* karena cara penyimpanannya. *SPICE (Super-fast, Parallel, In-memory Calculation Engine)*adalah mesin dalam memori yang kuat yang digunakan Amazon Quick Sight. Ini direkayasa untuk melakukan perhitungan lanjutan dengan cepat dan melayani data. Dalam edisi Enterprise, data yang disimpan SPICE dienkripsi saat istirahat.
Saat membuat atau mengedit kumpulan data, Anda memilih untuk menggunakan salah satu SPICE atau kueri langsung, kecuali kumpulan data berisi file yang diunggah. Mengimpor (juga disebut *menelan*) data Anda SPICE dapat menghemat waktu dan uang:
+ Proses kueri analitis Anda lebih cepat.
+ Anda tidak perlu menunggu permintaan langsung untuk diproses.
+ Data yang disimpan SPICE dapat digunakan kembali beberapa kali tanpa menimbulkan biaya tambahan. Jika Anda menggunakan sumber data yang mengenakan biaya per kueri, Anda dikenakan biaya untuk menanyakan data saat pertama kali membuat kumpulan data dan kemudian saat Anda me-refresh kumpulan data.
SPICEkapasitas dialokasikan secara terpisah untuk masing-masing Wilayah AWS. SPICEKapasitas default secara otomatis dialokasikan ke rumah Wilayah AWS Anda. Untuk setiap AWS akun, SPICE kapasitas dibagikan oleh semua orang yang menggunakan Quick Sight dalam satu akun Wilayah AWS. Yang lain tidak Wilayah AWS memiliki SPICE kapasitas kecuali Anda memilih untuk membeli beberapa. Administrator Quick Sight dapat melihat berapa banyak [SPICE](#spice)kapasitas yang Anda miliki di masing-masing Wilayah AWS dan berapa banyak yang saat ini digunakan. Administrator Quick Sight dapat membeli lebih banyak SPICE kapasitas atau melepaskan SPICE kapasitas yang tidak terpakai sesuai kebutuhan. Untuk informasi selengkapnya, lihat [Konfigurasikan kapasitas SPICE memori](managing-spice-capacity.md).
**Topics**
+ [Memperkirakan ukuran dataset SPICE](#spice-capacity-formula)
## Memperkirakan ukuran dataset SPICE
Ukuran dataset SPICE relatif terhadap SPICE kapasitas akun Quick Anda disebut *ukuran logis*. Ukuran logis kumpulan data tidak sama dengan ukuran file sumber atau tabel kumpulan data. Perhitungan ukuran logis kumpulan data terjadi setelah semua transformasi tipe data dan kolom terhitung ditentukan selama persiapan data. Bidang ini diwujudkan dengan SPICE cara yang meningkatkan kinerja kueri. Setiap perubahan yang Anda buat dalam analisis tidak berpengaruh pada ukuran logis data diSPICE. Hanya perubahan yang disimpan dalam kumpulan data yang berlaku untuk SPICE kapasitas.
Ukuran logis dari SPICE dataset tergantung pada tipe data dari bidang dataset dan jumlah baris dalam dataset. Tiga jenis SPICE data adalah desimal, tanggal, dan string. Anda dapat mengubah tipe data bidang selama fase persiapan data agar sesuai dengan kebutuhan visualisasi data Anda. Misalnya, file yang ingin Anda impor mungkin berisi semua string (teks). Tetapi agar ini dapat digunakan dengan cara yang berarti dalam analisis, Anda menyiapkan data dengan mengubah tipe data ke bentuk yang tepat. Bidang yang berisi harga dapat diubah dari string ke desimal, dan bidang yang berisi tanggal dapat diubah dari string ke tanggal. Anda juga dapat membuat bidang terhitung dan mengecualikan bidang yang tidak Anda perlukan dari tabel sumber. Ketika Anda selesai mempersiapkan dataset Anda dan semua transformasi selesai, Anda dapat memperkirakan ukuran logis dari skema akhir.
**catatan**
Jenis data geospasial menggunakan metadata untuk menafsirkan tipe data fisik. Lintang dan bujur adalah numerik. Semua kategori geospasial lainnya adalah string.
Dalam rumus di bawah ini, desimal dan tanggal dihitung sebagai 8 byte per sel dengan 4 byte tambahan untuk pembantu. String dihitung berdasarkan panjang teks dalam pengkodean UTF-8 ditambah 24 byte untuk auxillary. Jenis data string membutuhkan lebih banyak ruang karena pengindeksan tambahan yang diperlukan oleh SPICE untuk memberikan kinerja kueri yang tinggi.
```
Logical dataset size in bytes =
(Number of Numeric cells * (12 bytes per cell))
+ (Number of Date cells * (12 bytes per cell))
+ SUM ((24 bytes + UTF-8 encoded length) per Text cell)
```
Rumus di atas seharusnya hanya digunakan untuk memperkirakan ukuran satu kumpulan data diSPICE. Penggunaan SPICE kapasitas adalah ukuran total semua kumpulan data dalam akun di wilayah tertentu. Quick Sight tidak menyarankan Anda menggunakan rumus ini untuk memperkirakan SPICE kapasitas total yang digunakan akun Quick Sight Anda.
# Menyegarkan data SPICE
## Menyegarkan kumpulan data
**Gunakan prosedur berikut untuk menyegarkan [SPICE](spice.md)kumpulan data berdasarkan Amazon S3 atau sumber data database di tab Data.** Jika ada perubahan skema dalam database, Quick Sight tidak akan dapat mendeteksinya secara otomatis, yang mengakibatkan kegagalan konsumsi. Edit dan simpan kumpulan data untuk memperbarui skema dan menghindari kegagalan konsumsi.
**Untuk me-refresh SPICE data dari tab Data**
1. Pilih **Data** dari menu navigasi kiri. Di tab **Datasets**, pilih dataset untuk membukanya.
1. Pada halaman detail dataset yang terbuka, pilih tab **Refresh** dan kemudian pilih **Refresh now**.
1. Pertahankan jenis penyegaran sebagai **Penyegaran penuh**.
1. **Jika Anda menyegarkan kumpulan data Amazon S3, pilih salah satu opsi berikut untuk S3 Manifest:**
+ Untuk menggunakan file manifes yang sama yang terakhir Anda berikan ke Amazon Quick Sight, pilih **Existing Manifest**. Jika Anda telah mengubah file manifes di lokasi file atau URL yang terakhir Anda berikan, data yang dikembalikan mencerminkan perubahan tersebut.
+ Untuk menentukan file manifes baru dengan mengunggahnya dari jaringan lokal, pilih **Unggah Manifes**, lalu pilih **Unggah file manifes**. Untuk **Buka**, pilih file, lalu pilih **Buka**.
+ Untuk menentukan file manifes baru dengan menyediakan URL, masukkan URL manifes di URL **manifes masukan**. **Anda dapat menemukan URL file manifes di konsol Amazon S3 dengan membuka menu konteks (klik kanan) untuk file manifes, memilih **Properti**, dan melihat kotak Tautan.**
1. Pilih**Refresh**.
1. **Jika Anda menyegarkan kumpulan data Amazon S3, **pilih** OK, lalu OK lagi.**
**Jika Anda menyegarkan dataset database, pilih OK.**
## Menyegarkan kumpulan data secara bertahap
| |
| --- |
| Berlaku untuk: Enterprise Edition |
Untuk sumber data berbasis SQL, seperti Amazon Redshift, Amazon Athena, PostgreSQL, atau Snowflake, Anda dapat menyegarkan data secara bertahap dalam jendela waktu tampilan belakang.
*Penyegaran inkremental* hanya kueri data yang ditentukan oleh kumpulan data dalam jendela tampilan belakang yang ditentukan. Ini mentransfer semua penyisipan, penghapusan, dan modifikasi ke kumpulan data, dalam jangka waktu jendela itu, dari sumbernya ke kumpulan data. Data SPICE yang saat ini ada di dalam jendela itu dihapus dan diganti dengan pembaruan.
Dengan penyegaran tambahan, lebih sedikit data yang ditanyakan dan ditransfer untuk setiap penyegaran. Misalnya, katakanlah Anda memiliki kumpulan data dengan 180.000 catatan yang berisi data dari 1 Januari hingga 30 Juni. Pada tanggal 1 Juli, Anda menjalankan penyegaran tambahan pada data dengan jendela lihat ke belakang tujuh hari. Quick Sight menanyakan database yang meminta semua data sejak 24 Juni (7 hari yang lalu), yaitu 7.000 catatan. Quick Sight kemudian menghapus data yang saat ini SPICE mulai 24 Juni dan setelahnya, dan menambahkan data yang baru ditanyakan. Keesokan harinya (2 Juli), Quick Sight melakukan hal yang sama, tetapi kueri dari 25 Juni (7.000 catatan lagi), dan kemudian menghapus dari kumpulan data yang ada dari tanggal yang sama. Daripada harus menelan 180.000 catatan setiap hari, itu hanya harus menelan 7.000 catatan.
**Gunakan prosedur berikut untuk menyegarkan kumpulan data secara bertahap berdasarkan sumber [SPICE](spice.md)data SQL dari tab Datasets.**
**Untuk menyegarkan dataset berbasis SQL SPICE secara bertahap**
1. Pilih **Data** dari menu navigasi kiri. Pada tab **Datasets**, pilih dataset untuk membukanya.
1. Pada halaman detail dataset yang terbuka, pilih tab **Refresh** dan kemudian pilih **Refresh now**.
1. Untuk **jenis Refresh**, pilih **Incremental refresh**.
1. **Jika ini adalah penyegaran inkremental pertama Anda pada kumpulan data, pilih Konfigurasi.**
1. Pada halaman **Configure incremental refresh**, lakukan hal berikut:
1. Untuk **kolom Tanggal**, pilih kolom tanggal yang ingin Anda gunakan untuk mendasarkan jendela tampilan belakang.
1. Untuk **ukuran Jendela**, masukkan nomor untuk **ukuran**, lalu pilih jumlah waktu yang ingin Anda lihat kembali untuk perubahan.
Anda dapat memilih untuk menyegarkan perubahan pada data yang terjadi dalam jumlah jam, hari, atau minggu tertentu dari sekarang. Misalnya, Anda dapat memilih untuk menyegarkan perubahan pada data yang terjadi dalam waktu dua minggu dari tanggal saat ini.
1. Pilih **Kirim**.
## Menyegarkan kumpulan data selama persiapan data
Gunakan prosedur berikut untuk menyegarkan [SPICE](spice.md)kumpulan data berdasarkan Amazon S3 atau sumber data database selama persiapan data.
**Untuk me-refresh SPICE data selama persiapan data**
1. Pilih **Data** dari menu navigasi kiri. Pada tab **Datasets**, pilih dataset, lalu pilih **Edit** Kumpulan Data.
1. Pada layar dataset, pilih **Refresh now**.
1. Pertahankan jenis penyegaran disetel ke **Penyegaran penuh**.
1. **(Opsional) Jika Anda menyegarkan kumpulan data Amazon S3, pilih salah satu opsi berikut untuk S3 Manifest:**
+ Untuk menggunakan file manifes yang sama dengan yang terakhir Anda berikan ke Amazon Quick Sight, pilih **Existing Manifest**. Jika Anda telah mengubah file manifes di lokasi file atau URL yang terakhir Anda berikan, data yang dikembalikan mencerminkan perubahan tersebut.
+ Untuk menentukan file manifes baru dengan mengunggahnya dari jaringan lokal, pilih **Unggah Manifes**, lalu pilih **Unggah file manifes**. Untuk **Buka**, pilih file, lalu pilih **Buka**.
+ Untuk menentukan file manifes baru dengan menyediakan URL, masukkan URL manifes di URL **manifes masukan**. **Anda dapat menemukan URL file manifes di konsol Amazon S3 dengan membuka menu konteks (klik kanan) untuk file manifes, memilih **Properti**, dan melihat kotak Tautan.**
1. Pilih**Refresh**.
1. **Jika Anda menyegarkan kumpulan data Amazon S3, **pilih** OK, lalu OK lagi.**
**Jika Anda menyegarkan dataset database, pilih OK.**
## Menyegarkan dataset sesuai jadwal
Gunakan prosedur berikut untuk menjadwalkan penyegaran data. Jika dataset Anda didasarkan pada kueri langsung dan tidak disimpan [SPICE](spice.md), Anda dapat me-refresh data Anda dengan membuka dataset. Anda juga dapat menyegarkan data Anda dengan menyegarkan halaman dalam analisis atau dasbor.
**Untuk me-refresh [SPICE](spice.md)data pada jadwal**
1. Pilih **Data** dari menu navigasi kiri. Pada tab **Datasets**, pilih dataset untuk membukanya.
1. Pada halaman detail kumpulan data yang terbuka, pilih tab **Refresh** lalu pilih **Tambahkan jadwal baru**.
1. Pada layar **Buat jadwal penyegaran**, pilih pengaturan untuk jadwal Anda:
1. Untuk **zona waktu**, pilih zona waktu yang berlaku untuk penyegaran data.
1. Untuk **Waktu mulai**, pilih tanggal dan waktu untuk memulai penyegaran. Gunakan format HH: MM dan 24 jam, misalnya 13:30.
1. Untuk **Frekuensi**, pilih salah satu dari berikut ini:
+ Untuk edisi Standar atau Perusahaan, Anda dapat memilih **Harian**, **Mingguan**, atau **Bulanan**.
+ **Setiap hari**: Ulangi setiap hari.
+ **Mingguan**: Berulang pada hari yang sama setiap minggu.
+ **Bulanan**: Ulangi pada nomor hari yang sama setiap bulan. Untuk menyegarkan data pada hari ke 29, 30 atau 31 setiap bulan, pilih **Hari terakhir bulan dari daftar**.
+ Hanya untuk edisi Enterprise, Anda dapat memilih **Hourly**. Pengaturan ini menyegarkan dataset Anda setiap jam, dimulai pada waktu yang Anda pilih. Jadi, jika Anda memilih 1:05 sebagai waktu mulai, data akan diperbarui pada lima menit setelah jam, setiap jam.
Jika Anda memutuskan untuk menggunakan penyegaran per jam, Anda juga tidak dapat menggunakan jadwal penyegaran tambahan. Untuk membuat jadwal per jam, hapus jadwal lain yang ada untuk kumpulan data tersebut. Selain itu, hapus jadwal per jam yang ada sebelum Anda membuat jadwal harian, mingguan, atau bulanan.
1. Pilih **Simpan**.
Konsumsi dataset terjadwal berlangsung dalam waktu 10 menit dari tanggal dan waktu yang dijadwalkan.
Menggunakan konsol Cepat, Anda dapat membuat lima jadwal untuk setiap kumpulan data. Ketika Anda telah membuat lima, tombol **Buat** dimatikan.
## Menyegarkan kumpulan data secara bertahap sesuai jadwal
| |
| --- |
| Berlaku untuk: Enterprise Edition |
Untuk sumber data berbasis SQL, seperti Amazon Redshift, Athena, PostgreSQL, atau Snowflake, Anda dapat menjadwalkan penyegaran tambahan. **Gunakan prosedur berikut untuk menyegarkan kumpulan data secara bertahap berdasarkan sumber [SPICE](spice.md)data SQL di tab Datasets.**
**Untuk mengatur jadwal penyegaran tambahan untuk kumpulan data berbasis SQL SPICE**
1. Pilih **Data** dari menu navigasi kiri. Pada tab **Datasets**, pilih dataset untuk membukanya.
1. Pada halaman detail kumpulan data yang terbuka, pilih tab **Refresh** lalu pilih **Tambahkan jadwal baru**.
1. Pada halaman **Buat jadwal**, untuk **jenis Refresh**, pilih **Incremental refresh**.
1. Jika ini adalah penyegaran inkremental pertama Anda untuk kumpulan data ini, pilih **Konfigurasi**, lalu lakukan hal berikut:
1. Untuk **kolom Tanggal**, pilih kolom tanggal yang ingin Anda gunakan untuk mendasarkan jendela tampilan belakang.
1. Untuk **ukuran Jendela**, masukkan nomor untuk **ukuran**, lalu pilih jumlah waktu yang ingin Anda lihat kembali untuk perubahan.
Anda dapat memilih untuk menyegarkan perubahan pada data yang terjadi dalam jumlah jam, hari, atau minggu tertentu dari sekarang. Misalnya, Anda dapat memilih untuk menyegarkan perubahan pada data yang terjadi dalam waktu dua minggu dari tanggal saat ini.
1. Pilih **Kirim**.
1. Untuk **zona waktu**, pilih zona waktu yang berlaku untuk penyegaran data.
1. Untuk **Pengulangan**, pilih salah satu dari berikut ini:
+ Anda dapat memilih **Setiap 15 menit**, **Setiap 30 menit**, **Per Jam**, **Harian**, **Mingguan**, atau **Bulanan**.
+ **Setiap 15 menit**: Ulangi setiap 15 menit, dimulai pada waktu yang Anda pilih. Jadi, jika Anda memilih 1:05 sebagai waktu mulai, data akan disegarkan pada 1:20, lalu lagi di 1:35, dan seterusnya.
+ **Setiap 30 menit**: Ulangi setiap 30 menit, dimulai pada waktu yang Anda pilih. Jadi, jika Anda memilih 1:05 sebagai waktu mulai, data akan diperbarui pada 1:35, lalu lagi pada 2:05, dan seterusnya.
+ **Setiap jam**: Ulangi setiap jam, dimulai pada waktu yang Anda pilih. Jadi, jika Anda memilih 1:05 sebagai waktu mulai, data akan diperbarui pada lima menit setelah jam, setiap jam.
+ **Setiap hari**: Ulangi setiap hari.
+ **Mingguan**: Berulang pada hari yang sama setiap minggu.
+ **Bulanan**: Ulangi pada nomor hari yang sama setiap bulan. Untuk menyegarkan data pada hari ke 29, 30 atau 31 setiap bulan, pilih **Hari terakhir bulan dari daftar**.
+ Jika Anda memutuskan untuk menggunakan penyegaran setiap 15 atau 30 menit, atau setiap jam, Anda juga tidak dapat menggunakan jadwal penyegaran tambahan. Untuk membuat jadwal penyegaran setiap 15 menit, 30 menit, atau per jam, hapus jadwal lain yang ada untuk kumpulan data tersebut. Selain itu, hapus jadwal menit atau jam yang ada sebelum Anda membuat jadwal harian, mingguan, atau bulanan.
1. Untuk **Memulai**, pilih tanggal untuk memulai penyegaran.
1. Untuk **At**, tentukan waktu penyegaran harus dimulai. Gunakan format HH: MM dan 24 jam, misalnya 13:30.
Konsumsi dataset terjadwal berlangsung dalam waktu 10 menit dari tanggal dan waktu yang dijadwalkan.
Dalam beberapa kasus, mungkin ada yang salah dengan kumpulan data penyegaran tambahan yang membuat Anda ingin memutar kembali kumpulan data Anda. Atau Anda mungkin tidak lagi ingin menyegarkan kumpulan data secara bertahap. Jika demikian, Anda dapat menghapus penyegaran terjadwal.
Untuk melakukannya, pilih kumpulan data di halaman **Datasets**, pilih **Jadwalkan penyegaran**, lalu pilih ikon x di sebelah kanan penyegaran terjadwal. Menghapus konfigurasi penyegaran tambahan memulai penyegaran penuh. Sebagai bagian dari penyegaran penuh ini, semua konfigurasi yang disiapkan untuk penyegaran tambahan akan dihapus.
# Menggunakan SPICE data dalam analisis
Saat Anda menggunakan data yang disimpan untuk membuat analisis, indikator impor data akan muncul di sebelah daftar kumpulan data di bagian atas panel **daftar Bidang**. Saat pertama kali membuka analisis dan dataset diimpor, ikon pemintal akan muncul.
Setelah SPICE impor selesai, indikator menampilkan persentase baris yang berhasil diimpor. Pesan juga muncul di bagian atas panel visualisasi untuk memberikan jumlah baris yang diimpor dan dilewati.
Jika ada baris yang dilewati, Anda dapat memilih **Lihat ringkasan** di bilah pesan ini untuk melihat detail tentang mengapa baris tersebut gagal diimpor. Untuk mengedit kumpulan data dan menyelesaikan masalah yang menyebabkan baris dilewati, pilih **Edit kumpulan data**. Untuk informasi selengkapnya tentang penyebab umum untuk baris yang dilewati, lihat[Memecahkan masalah kesalahan baris yang dilewati](troubleshooting-skipped-rows.md).
Jika impor gagal sama sekali, indikator impor data muncul sebagai ikon tanda seru, dan pesan **Impor gagal** ditampilkan.
# Lihat SPICE riwayat konsumsi
Anda dapat melihat riwayat konsumsi untuk SPICE kumpulan data untuk mengetahui, misalnya, kapan konsumsi terbaru dimulai dan apa statusnya.
Halaman riwayat SPICE konsumsi mencakup informasi berikut:
+ Tanggal dan waktu konsumsi dimulai (UTC)
+ Status konsumsi
+ Jumlah waktu yang dikonsumsi
+ Jumlah baris agregat dalam kumpulan data.
+ Jumlah baris yang tertelan selama penyegaran.
+ Baris dilewati dan baris tertelan (diimpor) berhasil
+ Jenis pekerjaan untuk penyegaran: dijadwalkan, penyegaran penuh, dan sebagainya
Gunakan prosedur berikut untuk melihat riwayat SPICE konsumsi kumpulan data.
**Untuk melihat riwayat SPICE konsumsi kumpulan data**
1. Dari beranda, pilih **Data** di sebelah kiri.
1. Pada tab **Datasets**, pilih dataset yang ingin Anda periksa.
1. Pada halaman detail kumpulan data yang terbuka, pilih tab **Refresh**.
Riwayat konsumsi SPICE ditampilkan di bagian bawah.
1. (Opsional) Pilih kerangka waktu untuk memfilter entri dari jam terakhir hingga 90 hari terakhir.
1. (Opsional) Pilih status pekerjaan tertentu untuk memfilter entri, misalnya **Menjalankan** atau **Selesai**. Jika tidak, Anda dapat melihat semua entri dengan memilih **Semua**.
# Memecahkan masalah kesalahan baris yang dilewati
Saat Anda mengimpor data, Amazon Quick Sight akan mempratinjau sebagian data Anda. Jika tidak dapat menafsirkan baris karena alasan apa pun, Quick Sight melewatkan baris. Dalam beberapa kasus, impor akan gagal. Ketika ini terjadi, Quick Sight mengembalikan pesan kesalahan yang menjelaskan kegagalan.
Untungnya, ada sejumlah hal yang bisa salah. Beberapa masalah dapat dihindari dengan mengetahui contoh-contoh seperti berikut:
+ Pastikan bahwa tidak ada inkonsistensi antara tipe data bidang dan data bidang, misalnya data string sesekali dalam bidang dengan tipe data numerik. Berikut adalah beberapa contoh yang sulit dideteksi saat memindai isi tabel:
+ `''`— Menggunakan string kosong untuk menunjukkan nilai yang hilang
+ `'NULL'`— Menggunakan kata “null” untuk menunjukkan nilai yang hilang
+ `$1000`— Termasuk tanda dolar dalam nilai mata uang mengubahnya menjadi string
+ `'O'Brien'`— Menggunakan tanda baca untuk menandai string yang berisi tanda baca yang sama.
Namun, jenis kesalahan ini tidak selalu mudah ditemukan, terutama jika Anda memiliki banyak data, atau jika data Anda diketik dengan tangan. Misalnya, beberapa layanan pelanggan atau aplikasi penjualan melibatkan memasukkan informasi yang disediakan secara lisan oleh pelanggan. Orang yang awalnya mengetik data mungkin telah meletakkannya di bidang yang salah. Mereka mungkin menambahkan, atau lupa menambahkan, karakter atau digit. Misalnya, mereka mungkin memasukkan tanggal “0/10/12020" atau memasukkan jenis kelamin seseorang di bidang yang dimaksudkan untuk usia.
+ Pastikan file yang Anda impor diproses dengan benar dengan atau tanpa header. Jika ada baris header, pastikan Anda memilih opsi Unggah **header Berisi**.
+ Pastikan data tidak melebihi satu atau lebih data[Kuota sumber data](data-source-limits.md).
+ Pastikan data tersebut kompatibel dengan file[Tipe dan nilai data yang didukung](supported-data-types-and-values.md).
+ Pastikan bahwa bidang terhitung berisi data yang sesuai dengan perhitungan, bukan tidak kompatibel dengan atau dikecualikan oleh fungsi di bidang terhitung. Misalnya, jika Anda memiliki bidang terhitung dalam kumpulan data yang digunakan[parseDate](parseDate-function.md), Quick Sight melewatkan baris di mana bidang tersebut tidak berisi tanggal yang valid.
Quick Sight menyediakan daftar rinci kesalahan yang terjadi ketika SPICE mesin mencoba untuk menelan data. Saat kumpulan data yang disimpan melaporkan baris yang dilewati, Anda dapat melihat kesalahan sehingga Anda dapat mengambil tindakan untuk memperbaiki masalah.
**Untuk melihat kesalahan untuk baris yang dilewati selama SPICE konsumsi (impor data)**
1. Pilih **Data** di sebelah kiri. Di tab **Datasets**, pilih dataset bermasalah untuk membukanya.
1. Pada halaman detail kumpulan data yang terbuka, pilih tab **Refresh**.
Riwayat konsumsi SPICE ditampilkan di bagian bawah.
1. Untuk menelan kesalahan, pilih **Lihat ringkasan kesalahan**. Tautan ini terletak di bawah kolom **Status**.
1. Periksa **log impor File** yang terbuka. Ini menampilkan bagian berikut:
+ **Ringkasan** — Memberikan skor persentase berapa banyak baris yang dilewati dari jumlah total baris dalam impor. Misalnya, jika ada 864 baris yang dilewati dari total 1.728, skornya adalah 50,00%.
+ **Baris yang Dilewati** - Menyediakan jumlah baris, nama bidang, dan pesan kesalahan untuk setiap set baris yang dilewati serupa.
+ **Pemecahan masalah** - Menyediakan tautan untuk mengunduh file yang berisi informasi kesalahan.
1. Di bawah **Pemecahan masalah**, pilih **Unduh file baris kesalahan**.
File kesalahan memiliki baris untuk setiap kesalahan. File ini diberi nama`error-report_123_fe8.csv`, di `123_fe8` mana diganti dengan string pengidentifikasi unik. File berisi kolom berikut:
+ **ERROR\$1TYPE** — Jenis atau kode kesalahan untuk kesalahan yang terjadi saat mengimpor baris ini. Anda dapat mencari kesalahan ini di [SPICEkode kesalahan konsumsi](errors-spice-ingestion.md) bagian yang mengikuti prosedur ini.
+ **COLUMN\$1NAME** — Nama kolom dalam data Anda yang menyebabkan kesalahan.
+ Semua kolom dari baris impor Anda - Kolom yang tersisa menduplikasi seluruh baris data. Jika baris memiliki lebih dari satu kesalahan, itu dapat muncul beberapa kali dalam file ini.
1. Pilih **Edit kumpulan data** untuk membuat perubahan pada kumpulan data Anda. Anda dapat memfilter data, menghilangkan bidang, mengubah tipe data, menyesuaikan bidang terhitung yang ada, dan menambahkan bidang terhitung yang memvalidasi data.
1. Setelah Anda membuat perubahan yang ditunjukkan oleh kode kesalahan, impor data lagi. Jika lebih banyak kesalahan SPICE konsumsi muncul di log, lanjutkan prosedur ini lagi untuk memperbaiki semua kesalahan yang tersisa.
**Tip**
Jika Anda tidak dapat menyelesaikan masalah data dalam jangka waktu yang wajar dengan menggunakan editor kumpulan data, konsultasikan dengan administrator atau pengembang yang memiliki data tersebut. Dalam jangka panjang, lebih hemat biaya untuk membersihkan data lebih dekat ke sumbernya, daripada menambahkan pemrosesan pengecualian saat Anda mempersiapkan data untuk dianalisis. Dengan memperbaikinya di sumbernya, Anda menghindari situasi di mana banyak orang memperbaiki kesalahan dengan cara yang berbeda, sehingga menghasilkan hasil pelaporan yang berbeda di kemudian hari.
**Untuk berlatih pemecahan masalah baris yang dilewati**
1. Unduh [samples/csv-files-for-troubleshooting-skipped-rows.zip](samples/csv-files-for-troubleshooting-skipped-rows.zip).
1. Ekstrak file ke dalam folder yang dapat Anda gunakan untuk mengunggah contoh file.csv ke Quick Sight.
File zip berisi dua file teks berikut:
+ `sample dataset - data ingestion error.csv`— Contoh file.csv yang berisi masalah yang menyebabkan baris dilewati. Anda dapat mencoba mengimpor file sendiri untuk melihat bagaimana proses kesalahan bekerja.
+ `sample data ingestion error file`— File kesalahan sampel yang dihasilkan selama SPICE konsumsi saat mengimpor sampel file.csv ke Quick Sight.
1. Impor data dengan mengikuti langkah-langkah berikut:
1. **Pilih **Data**, tab **Datasets**, **New**, Dataset.**
1. Pilih **Unggah file**.
1. Temukan dan pilih file bernama`sample dataset - data ingestion error.csv`.
1. Pilih **Unggah file**, **Edit pengaturan, dan siapkan data**.
1. Pilih **Simpan** untuk keluar.
1. Pilih kumpulan data Anda untuk melihat informasinya, lalu pilih **Lihat ringkasan kesalahan**. Periksa kesalahan dan data untuk membantu Anda menyelesaikan masalah.
# SPICEkode kesalahan konsumsi
Daftar kode kesalahan dan deskripsi berikut dapat membantu Anda memahami dan memecahkan masalah dengan konsumsi data ke dalam. SPICE
## Kode kesalahan untuk baris yang dilewati
Daftar kode kesalahan dan deskripsi berikut dapat membantu Anda memahami dan memecahkan masalah dengan baris yang dilewati.
****ARITHMETIC\$1EXCEPTION - Pengecualian**** aritmatika terjadi saat memproses nilai.
****ENCODING\$1EXCEPTION — Pengecualian**** yang tidak diketahui terjadi saat mengonversi dan menyandikan data ke. SPICE
****OPENSEARCH\$1CURSOR\$1NOT\$1ENABLED - OpenSearch Domain tidak memiliki kursor SQL diaktifkan**** (). `"opendistro.sql.cursor.enabled" : "true"` Untuk informasi selengkapnya, lihat [Mengotorisasi koneksi ke Amazon Service OpenSearch](opensearch.md).
****INCORRECT\$1FIELD\$1COUNT**** - Satu atau lebih baris memiliki terlalu banyak bidang. Pastikan bahwa jumlah bidang di setiap baris cocok dengan jumlah bidang yang ditentukan dalam skema.
****INCORRECT\$1SAGEMAKER\$1OUTPUT\$1FIELD\$1COUNT — Output AI memiliki jumlah bidang yang tidak terduga****. SageMaker
****INDEX\$1OUT\$1OF\$1BOUNDS**** — Sistem meminta indeks yang tidak valid untuk array atau daftar yang sedang diproses.
****MALFORMED\$1DATE**** - Nilai dalam bidang tidak dapat diubah ke tanggal yang valid. Misalnya, jika Anda mencoba mengonversi bidang yang berisi nilai seperti `"sale date"` atau`"month-1"`, tindakan tersebut menghasilkan kesalahan tanggal yang salah. Untuk memperbaiki kesalahan ini, hapus nilai nondate dari sumber data Anda. Periksa apakah Anda tidak mengimpor file dengan header kolom yang dicampur ke dalam data. Jika string Anda berisi tanggal atau waktu yang tidak dikonversi, lihat[Menggunakan tanggal yang tidak didukung atau kustom](using-unsupported-dates.md).
****MISSING\$1SAGEMAKER\$1OUTPUT\$1FIELD — Bidang dalam output AI tiba-tiba**** kosong. SageMaker
****NUMBER\$1BITWIDTH\$1TOO\$1LARGE**** — Nilai numerik melebihi panjang yang didukung di. SPICE Misalnya, nilai numerik Anda memiliki lebih dari 19 digit, yang merupakan panjang tipe `bigint` data. Untuk urutan numerik panjang yang bukan nilai matematika, gunakan tipe `string` data.
****NUMBER\$1PARSE\$1FAILURE**** - Nilai dalam bidang numerik bukanlah angka. Misalnya, bidang dengan tipe data `int` berisi string atau float.
****SAGEMAKER\$1OUTPUT\$1COLUMN\$1TYPE\$1MISMATCH — Tipe data yang ditentukan dalam skema AI tidak cocok dengan**** tipe data yang diterima dari AI. SageMaker SageMaker
****STRING\$1TRUNCATION**** - Sebuah string sedang dipotong oleh. SPICE String terpotong dimana panjang string melebihi kuota. SPICE Untuk informasi selengkapnya tentang SPICE, lihat [Mengimpor data ke SPICE](spice.md). Untuk informasi lebih lanjut tentang kuota, lihat [Service Quotas](https://docs.aws.amazon.com/servicequotas/latest/userguide/intro.html).
****UNDEFINED**** - Terjadi kesalahan yang tidak diketahui saat menelan data.
****UNSUPPORTED\$1DATE\$1VALUE**** - Bidang tanggal berisi tanggal yang dalam format yang didukung tetapi tidak dalam rentang tanggal yang didukung, misalnya “12/31/1399" atau “01/01/10000". Untuk informasi selengkapnya, lihat [Menggunakan tanggal yang tidak didukung atau kustom](using-unsupported-dates.md).
## Kode kesalahan selama impor data
Untuk pekerjaan impor dan penyegaran data yang gagal, Quick Sight menyediakan kode kesalahan yang menunjukkan apa yang menyebabkan kegagalan. Daftar kode kesalahan dan deskripsi berikut dapat membantu Anda memahami dan memecahkan masalah dengan konsumsi data ke dalam. SPICE
****ACCOUNT\$1CAPACITY\$1LIMIT\$1EXCEEDED — Data ini melebihi kapasitas**** Anda saat ini. SPICE Beli lebih banyak SPICE kapasitas atau bersihkan SPICE data yang ada dan kemudian coba lagi konsumsi ini.
****CONNECTION\$1FAILURE -**** Amazon Quick Sight tidak dapat terhubung ke sumber data Anda. Periksa pengaturan koneksi sumber data dan coba lagi.
****CUSTOMER\$1ERROR**** - Ada masalah parsing data. Jika ini berlanjut, hubungi dukungan teknis Amazon Quick Sight.
****DATA\$1SET\$1DELETED — Sumber data atau dataset dihapus**** atau menjadi tidak tersedia selama konsumsi.
****DATA\$1SET\$1SIZE\$1LIMIT\$1EXCEEDED — Dataset ini melebihi**** ukuran set data maksimum yang diijinkan. SPICE Gunakan filter untuk mengurangi ukuran kumpulan data dan coba lagi. Untuk informasi tentang SPICE kuota, lihat[Kuota sumber data](data-source-limits.md).
****DATA\$1SOURCE\$1AUTH\$1FAILED — Otentikasi sumber**** data gagal. Periksa kredensil Anda dan gunakan opsi **Edit sumber data** untuk mengganti kredensi yang kedaluwarsa.
****DATA\$1SOURCE\$1CONNECTION\$1FAILED — Koneksi sumber**** data gagal. Periksa URL dan coba lagi. Jika kesalahan ini berlanjut, hubungi administrator sumber data Anda untuk mendapatkan bantuan.
****DATA\$1SOURCE\$1NOT\$1FOUND — Tidak ada sumber**** data yang ditemukan. Periksa sumber data Amazon Quick Sight Anda.
****DATA\$1TOLERANCE\$1EXCEPTION - Ada terlalu banyak baris**** yang tidak valid. Amazon Quick Sight telah mencapai kuota baris yang dapat dilewati dan masih terus menelan. Periksa data Anda dan coba lagi.
****FAILURE\$1TO\$1ASSUME\$1ROLE - Amazon Quick Sight tidak dapat mengambil peran**** (IAM) yang benar. AWS Identity and Access Management Verifikasi kebijakan untuk `Amazon Quick Sight-service-role` di konsol IAM.
****FAILURE\$1TO\$1PROCESS\$1JSON\$1FILE - Amazon Quick Sight tidak dapat mengurai file**** manifes sebagai JSON yang valid.
****IAM\$1ROLE\$1NOT\$1AVAILABLE**** - Amazon Quick Sight tidak memiliki izin untuk mengakses sumber data. Untuk mengelola izin Amazon Quick Sight pada AWS sumber daya, buka halaman **Keamanan dan Izin** di bawah opsi Kelola **Amazon Quick Sight** sebagai administrator.
****INGESTION\$1CANCELED - Konsumsi dibatalkan**** oleh pengguna.
****INGESTION\$1SUPERSEDED - Konsumsi ini telah digantikan oleh**** alur kerja lain. Ini terjadi ketika konsumsi baru dibuat sementara yang lain masih dalam proses. Hindari mengedit kumpulan data secara manual beberapa kali dalam waktu singkat, karena setiap pengeditan manual membuat konsumsi baru yang akan menggantikan dan mengakhiri konsumsi sebelumnya.
****INTERNAL\$1SERVICE\$1ERROR — Terjadi kesalahan**** layanan internal.
****INVALID\$1DATA\$1SOURCE\$1CONFIG**** — Nilai tidak valid muncul di pengaturan koneksi. Periksa detail koneksi Anda dan coba lagi.
****INVALID\$1DATAPREP\$1SYNTAX - Ekspresi bidang terhitung Anda berisi sintaks**** yang tidak valid. Perbaiki sintaks dan coba lagi.
****INVALID\$1DATE\$1FORMAT - Format tanggal**** yang tidak valid muncul.
****IOT\$1DATA\$1SET\$1FILE\$1EMPTY — Tidak ada data Analytics yang ditemukan****. AWS IoT Periksa akun Anda dan coba lagi.
****IOT\$1FILE\$1NOT\$1FOUND — File Analytics yang ditunjukkan tidak ditemukan****. AWS IoT Periksa akun Anda dan coba lagi.
****OAUTH\$1TOKEN\$1FAILURE**** — Kredensi ke sumber data telah kedaluwarsa. Perbarui kredensil Anda dan coba lagi konsumsi ini.
****PASSWORD\$1AUTHENTICATION\$1FAILURE**** — Kredensi yang salah muncul untuk sumber data. Perbarui kredensi sumber data Anda dan coba lagi konsumsi ini.
****PERMISSION\$1DENIED**** — Akses ke sumber daya yang diminta ditolak oleh sumber data. Minta izin dari administrator database Anda atau pastikan izin yang tepat telah diberikan kepada Amazon Quick Sight sebelum mencoba lagi.
****QUERY\$1TIMEOUT**** - Kueri ke sumber data habis waktunya menunggu respons. Periksa log sumber data Anda dan coba lagi.
****ROW\$1SIZE\$1LIMIT\$1EXCEEDED — Kuota ukuran baris melebihi maksimum.****
****S3\$1FILE\$1INACCESSIBLE**** - Tidak dapat terhubung ke bucket S3. Pastikan bahwa Anda memberikan Amazon Quick Sight dan pengguna izin yang diperlukan sebelum Anda terhubung ke bucket S3.
****S3\$1MANIFEST\$1ERROR**** - Tidak dapat terhubung ke data S3. Pastikan file manifes S3 Anda valid. Juga verifikasi akses ke data S3. Baik Amazon Quick Sight dan pengguna Amazon Quick Sight memerlukan izin untuk terhubung ke data S3.
****S3\$1UPLOADED\$1FILE\$1DELETED — File atau file untuk konsumsi telah dihapus**** (antara konsumsi). Periksa ember S3 Anda dan coba lagi.
****SOURCE\$1 API\$1LIMIT \$1EXCEEDED\$1FAILURE**** — Penyerapan ini melebihi kuota API untuk sumber data ini. Hubungi administrator sumber data Anda untuk bantuan.
****SOURCE\$1RESOURCE\$1LIMIT\$1EXCEEDED — Kueri SQL melebihi**** kuota sumber daya sumber data. Contoh sumber daya yang terlibat dapat mencakup kuota kueri bersamaan, kuota koneksi, dan sumber daya server fisik. Hubungi administrator sumber data Anda untuk bantuan.
****SPICE\$1TABLE\$1NOT\$1FOUND**** — Sumber data atau kumpulan data Amazon Quick Sight telah dihapus atau menjadi tidak tersedia selama konsumsi. Periksa dataset Anda di Amazon Quick Sight dan coba lagi. Untuk informasi selengkapnya, lihat [Memecahkan masalah kesalahan baris yang dilewati](troubleshooting-skipped-rows.md).
****SQL\$1EXCEPTION**** - Terjadi kesalahan SQL umum. Kesalahan ini dapat disebabkan oleh batas waktu kueri, kendala sumber daya, perubahan bahasa definisi data tak terduga (DDL) sebelum atau selama kueri, dan kesalahan database lainnya. Periksa pengaturan database dan kueri Anda, dan coba lagi.
****SQL\$1INVALID\$1PARAMETER\$1VALUE — Parameter SQL yang tidak valid**** muncul. Periksa SQL Anda dan coba lagi.
****SQL\$1NUMERIC\$1OVERFLOW**** - Amazon Quick Sight menemukan pengecualian numerik. out-of-range Periksa nilai terkait dan kolom terhitung untuk overflow, dan coba lagi.
****SQL\$1SCHEMA\$1MISMATCH\$1ERROR**** — Skema sumber data tidak cocok dengan kumpulan data Amazon Quick Sight. Perbarui definisi kumpulan data Amazon Quick Sight Anda.
****SQL\$1TABLE\$1NOT\$1FOUND**** - Amazon Quick Sight tidak dapat menemukan tabel di sumber data. Verifikasi tabel yang ditentukan dalam dataset atau SQL kustom dan coba lagi.
****SSL\$1CERTIFICATE\$1VALIDATION\$1FAILURE**** - Amazon Quick Sight tidak dapat memvalidasi sertifikat Secure Sockets Layer (SSL) di server database Anda. Periksa status SSL di server itu dengan administrator database Anda dan coba lagi.
****UNRESOLVABLE\$1HOST**** - Amazon Quick Sight tidak dapat menyelesaikan nama host dari sumber data. Verifikasi nama host dari sumber data dan coba lagi.
****UNROUTABLE\$1HOST**** - Amazon Quick Sight tidak dapat menjangkau sumber data Anda karena berada di dalam jaringan pribadi. Pastikan koneksi VPC pribadi Anda dikonfigurasi dengan benar di Enterprise Edition, atau izinkan rentang alamat IP Amazon Quick Sight untuk memungkinkan konektivitas untuk Edisi Standar.
# Memperbarui file dalam kumpulan data
Untuk mendapatkan versi file terbaru, Anda dapat memperbarui file di kumpulan data Anda. Anda dapat memperbarui jenis file ini:
+ File teks yang dibatasi koma (CSV) dan dibatasi tab (TSV)
+ File format log yang diperluas dan umum (ELF dan CLF)
+ File data datar atau semi-terstruktur (JSON)
+ File Microsoft Excel (XLSX)
Sebelum memperbarui file, pastikan file baru memiliki bidang yang sama dalam urutan yang sama dengan file asli yang saat ini ada di kumpulan data. Jika ada perbedaan bidang (kolom) antara dua file, kesalahan terjadi dan Anda perlu memperbaiki perbedaan sebelum mencoba memperbarui lagi. Anda dapat melakukan ini dengan mengedit file baru agar sesuai dengan aslinya. Perhatikan bahwa jika Anda ingin menambahkan bidang baru, Anda dapat menambahkannya setelah bidang asli dalam file. Misalnya, dalam spreadsheet Microsoft Excel, Anda dapat menambahkan bidang baru di sebelah kanan bidang asli.
**Untuk memperbarui file dalam kumpulan data**
1. Di Quick Sight, pilih **Data** di sebelah kiri.
1. **Di tab **Datasets**, pilih kumpulan data yang ingin Anda perbarui, lalu pilih Edit kumpulan data.**
1. Pada halaman persiapan data yang terbuka, pilih daftar drop-down untuk file yang ingin Anda perbarui, lalu pilih **Perbarui file**.
1. Pada halaman **Perbarui file** yang terbuka, pilih **Unggah file**, lalu arahkan ke file.
Quick Sight memindai file.
1. Jika file tersebut adalah file Microsoft Excel, pilih lembar yang Anda inginkan di halaman **Pilih lembar Anda** yang terbuka, lalu pilih **Pilih**.
1. Pilih **Konfirmasi pembaruan file** di halaman berikut. Pratinjau beberapa kolom lembar ditampilkan untuk referensi Anda.
Pesan bahwa file yang diperbarui berhasil muncul di kanan atas dan pratinjau tabel diperbarui untuk menampilkan data file baru.