Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Guida alla risoluzione dei problemi
Fai riferimento a questa guida alla risoluzione dei problemi per aiutarti a eseguire il debug degli errori che potresti riscontrare durante le esecuzioni dei processi pianificati relativi al notebook.
## La definizione del processo non crea processi
Se la definizione del lavoro non avvia alcun lavoro, il taccuino o il lavoro di formazione potrebbe non essere visualizzato nella ** sezione ** Lavori sulla barra di navigazione a sinistra di Amazon SageMaker Studio. In tal caso, puoi trovare i messaggi di errore nella sezione **Pipelines** sulla barra di navigazione a sinistra di Studio. Ogni definizione dei processi del notebook o dei job di addestramento appartiene a una pipeline di esecuzione. Le seguenti sono le cause più comuni del mancato avvio dei processi del notebook.
**Autorizzazioni mancanti**
+ Il ruolo assegnato alla definizione del lavoro non ha un rapporto di fiducia con Amazon EventBridge. Cioè, EventBridge non può assumere il ruolo.
+ Il ruolo assegnato alla definizione del processo non dispone dell'autorizzazione per chiamare `SageMaker AI:StartPipelineExecution`.
+ Il ruolo assegnato alla definizione del processo non dispone dell'autorizzazione per chiamare `SageMaker AI:CreateTrainingJob`.
**EventBridge quota superata **
Se viene visualizzato un `Put*` errore come nell'esempio seguente, è stata superata una EventBridge quota. Per risolvere il problema, puoi eliminare le EventBridge esecuzioni inutilizzate o chiedere di Supporto AWS aumentare la tua quota.
```
LimitExceededException) when calling the PutRule operation:
The requested resource exceeds the maximum number allowed
```
Per ulteriori informazioni sulle EventBridge quote, consulta [ Amazon EventBridge Quote. ](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-quota.html)
**Limite di quota delle pipeline superato**
Se compare un errore simile all'esempio seguente, significa che è stato superato il numero di pipeline eseguibili. Per risolvere il problema, è possibile eliminare le pipeline non utilizzate nell'account o chiedere a Supporto AWS di aumentare la quota.
```
ResourceLimitExceeded: The account-level service limit
'Maximum number of pipelines allowed per account' is XXX Pipelines,
with current utilization of XXX Pipelines and a request delta of 1 Pipelines.
```
Per ulteriori informazioni sulle quote della pipeline, consulta [ Amazon SageMaker AI endpoints and quotas. ](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html)
**Limite di processi di addestramento superato**
Se compare un errore simile all'esempio seguente, significa che è stato superato il numero di processi di addestramento eseguibili. Per risolvere il problema, riduci il numero di lavori di formazione nel tuo account o chiedi Supporto AWS di aumentare la tua quota.
```
ResourceLimitExceeded: The account-level service limit
'ml.m5.2xlarge for training job usage' is 0 Instances, with current
utilization of 0 Instances and a request delta of 1 Instances.
Please contact AWS support to request an increase for this limit.
```
Per ulteriori informazioni sulle quote dei lavori di formazione, consulta [ Amazon SageMaker AI endpoints and quotas. ](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html)
## Le visualizzazioni automatiche sono disattivate nei notebook SparkMagic
Se il notebook utilizza il SparkMagic PySpark kernel e lo si esegue come Notebook Job, è possibile che le visualizzazioni automatiche siano disabilitate nell'output. L’attivazione della visualizzazione automatica causa il blocco del kernel, quindi l’esecutore di processi del notebook disabilita le visualizzazioni automatiche come soluzione alternativa.