Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Panduan pemecahan masalah
<a name="notebook-auto-run-troubleshoot"></a>

Lihat panduan pemecahan masalah ini untuk membantu Anda men-debug kegagalan yang mungkin Anda alami saat pekerjaan notebook terjadwal berjalan.

## Definisi Job tidak menciptakan pekerjaan
<a name="notebook-auto-run-troubleshoot-no-jobs"></a>

Jika definisi pekerjaan Anda tidak memulai pekerjaan apa pun, buku catatan atau pekerjaan pelatihan mungkin tidak ditampilkan di bagian **Pekerjaan** di bilah navigasi kiri di Amazon SageMaker Studio. Jika ini masalahnya, Anda dapat menemukan pesan kesalahan di bagian **Pipelines** di bilah navigasi kiri di Studio. Setiap notebook atau definisi pekerjaan pelatihan termasuk dalam pipeline eksekusi. Berikut ini adalah penyebab umum kegagalan untuk memulai pekerjaan notebook.

**Izin tidak ada**
+ Peran yang ditetapkan untuk definisi pekerjaan tidak memiliki hubungan kepercayaan dengan Amazon EventBridge. Artinya, EventBridge tidak bisa mengambil peran.
+ Peran yang ditetapkan ke definisi pekerjaan tidak memiliki izin untuk menelepon`SageMaker AI:StartPipelineExecution`.
+ Peran yang ditetapkan ke definisi pekerjaan tidak memiliki izin untuk menelepon`SageMaker AI:CreateTrainingJob`.

**EventBridge kuota terlampaui**

Jika Anda melihat `Put*` kesalahan seperti contoh berikut, Anda melebihi EventBridge kuota. Untuk mengatasi ini, Anda dapat membersihkan proses yang tidak terpakai EventBridge , atau meminta AWS Dukungan untuk menambah kuota Anda.

```
LimitExceededException) when calling the PutRule operation: 
The requested resource exceeds the maximum number allowed
```

Untuk informasi selengkapnya tentang EventBridge kuota, lihat [ EventBridge Kuota Amazon](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-quota.html).

**Batas kuota pipa terlampaui**

Jika Anda melihat kesalahan seperti contoh berikut, Anda melebihi jumlah pipeline yang dapat Anda jalankan. Untuk mengatasi ini, Anda dapat membersihkan saluran pipa yang tidak terpakai di akun Anda, atau meminta AWS Dukungan untuk menambah kuota Anda.

```
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.
```

Untuk informasi selengkapnya tentang kuota pipeline, lihat [titik akhir dan kuota Amazon SageMaker AI](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html).

**Batas pekerjaan pelatihan terlampaui**

Jika Anda melihat kesalahan seperti contoh berikut, Anda melebihi jumlah pekerjaan pelatihan yang dapat Anda jalankan. Untuk mengatasi ini, kurangi jumlah pekerjaan pelatihan di akun Anda, atau minta AWS Dukungan untuk menambah kuota Anda.

```
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.
```

Untuk informasi selengkapnya tentang kuota pekerjaan pelatihan, lihat [titik akhir dan kuota Amazon SageMaker AI](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html).

## Visualisasi otomatis dinonaktifkan di notebook SparkMagic
<a name="notebook-auto-run-troubleshoot-visualization"></a>

Jika notebook Anda menggunakan SparkMagic PySpark kernel dan Anda menjalankan notebook sebagai Job Notebook, Anda mungkin melihat bahwa visualisasi otomatis Anda dinonaktifkan dalam output. Mengaktifkan visualisasi otomatis menyebabkan kernel macet, sehingga pelaksana pekerjaan notebook saat ini menonaktifkan visualisasi otomatis sebagai solusinya.