本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 在 Amazon Quick Sight 中重新整理資料
重新整理資料時，Amazon Quick Sight 會根據連線屬性和資料的儲存位置，以不同的方式處理資料集。
如果 Quick Sight 使用直接查詢連線至資料存放區，則當您開啟相關聯的資料集、分析或儀表板時，資料會自動重新整理。篩選條件控制項每 24 小時自動重新整理一次。
若要重新整理SPICE資料集，Quick Sight 必須使用儲存的登入資料獨立驗證，才能連線至資料。即使資料存放在 S3 儲存貯體中，Quick Sight 也無法重新整理手動上傳的資料SPICE，因為 Quick Sight 不會儲存其連線和位置中繼資料。若要自動重新整理儲存在 S3 儲存貯體中的資料，請使用**S3** 資料來源卡建立資料集。
針對您手動上傳到 SPICE 的檔案，您可以透過再次匯入檔案來手動重新整理相應檔案。若要在新檔案中使用原始資料集的名稱，請先重新命名或刪除原始資料集。然後為新資料集指定偏好的名稱。另外，請檢查欄位名稱是否具有相同的名稱和資料類型。開啟分析，並使用新資料集取代原始資料集。如需詳細資訊，請參閱 [替換資料集](replacing-data-sets.md)。
您可以隨時重新整理 [SPICE](spice.md) 資料集。重新整理會將資料匯入 SPICE，讓資料包含上次匯入之後的任何變更。
對於 Amazon Quick Sight 標準版，您可以隨時完整重新整理SPICE資料。對於 Amazon Quick Sight Enterprise Edition，您可以隨時執行完整重新整理或增量重新整理 （僅限 SQL 型資料來源）。
**注意**
如果資料集使用 CustomSQL，累加式重新整理可能不會為您帶來好處。如果 SQL 查詢很複雜，資料庫可能無法透過回顧期間最佳化篩選條件。這可能會導致提取資料的查詢比完全重新整理花費更長的時間。建議您嘗試透過重構自訂 SQL 來減少查詢執行時間。請注意，結果可能會有所不同，具體取決於您進行的最佳化類型。
您可以使用下列任一方法來重新整理 SPICE 資料：
+ 您可以使用**資料集**頁面上的選項。
+ 您可以在編輯資料集時重新整理資料集。
+ 您可以資料集設定中排程資料重新整理。
+ 您可以使用 [CreateIngestion](https://docs.aws.amazon.com/quicksight/latest/APIReference/API_CreateIngestion.html) API 操作來重新整理資料。
建立或編輯 SPICE 資料集時，您可以啟用資料載入狀態的電子郵件通知。一旦資料載入或重新整理失敗，資料集的擁有者便會獲得通知。若要開啟通知，請選取**完成資料集建立**畫面上顯示的**重新整理失敗時向擁有者寄送電子郵件**選項。此選項不適用於您使用資料集頁面上的**上傳檔案**所建立的資料集。
在以下主題中，您可以了解重新整理和使用 SPICE 資料的不同方法。
**Topics**
+ [將資料匯入至 SPICE](spice.md)
+ [重新整理 SPICE 資料](refreshing-imported-data.md)
+ [在分析中使用 SPICE 資料](spice-in-an-analysis.md)
+ [檢視 SPICE 擷取歷史記錄](view-history-of-spice-ingestion.md)
+ [對資料列被略過的錯誤進行疑難排解](troubleshooting-skipped-rows.md)
+ [SPICE 擷取錯誤代碼](errors-spice-ingestion.md)
+ [更新資料集中的檔案](updating-file-dataset.md)
# 將資料匯入至 SPICE
當您將資料匯入資料集而非使用直接 SQL 查詢時，它會因為儲存方式而變成*SPICE資料*。 *SPICE (Super-fast, Parallel, In-memory Calculation Engine)*是 Amazon Quick Sight 使用的強大記憶體內引擎。它能夠快速執行進階計算，並提供資料。在企業版中，SPICE 中的資料會靜態加密。
建立或編輯資料集時，您可以選擇使用 SPICE 或直接查詢，除非資料集包含上傳的檔案。將資料匯入 (也稱為*擷取*) 到 SPICE 可以節省時間和金錢：
+ 分析查詢處理速度更快。
+ 無需等待直接查詢的處理。
+ SPICE 中儲存的資料可以重複使用，而不會產生額外成本。如果您使用按查詢收費的資料來源，則在首次建立資料集時以及稍後重新整理資料集時，您需要為查詢資料付費。
SPICE 容量會各自分配 AWS 區域。預設SPICE容量會自動配置到您的住家 AWS 區域。對於每個 AWS 帳戶，所有在單一 中使用 Quick Sight 的人員都會共用SPICE容量 AWS 區域。另一個 AWS 區域 沒有SPICE容量，除非您選擇購買一些。Quick Sight 管理員可以檢視每個 中有多少[SPICE](#spice)容量， AWS 區域 以及目前使用多少容量。Quick Sight 管理員可以視需要購買更多SPICE容量或釋放未使用的SPICE容量。如需詳細資訊，請參閱[設定SPICE記憶體容量](managing-spice-capacity.md)。
**Topics**
+ [估計 SPICE 資料集的大小](#spice-capacity-formula)
## 估計 SPICE 資料集的大小
中相對於SPICE快速帳戶SPICE容量的資料集大小稱為*邏輯大小*。資料集的邏輯大小與資料集的來源檔案或表的大小不同。資料準備期間定義所有資料類型轉換以及計算資料欄之後，便會發生資料集邏輯大小計算。這些欄位會在 SPICE 中以可增強查詢效能的方式具體化。您在分析中所做的任何變更，並不會影響 SPICE 中資料的邏輯大小。只會將儲存在資料集中的變更套用到 SPICE 容量。
SPICE 資料集的邏輯大小取決於資料集欄位的資料類型和資料集中的列數。SPICE 資料的三種類型是小數、日期和字串。在資料準備階段，您可以轉換欄位的資料類型以滿足資料視覺化需求。例如，您要匯入的檔案可能都包含字串 (文字)。但是，為了在分析中以有意義的方式使用該資訊，您會透過將資料類型變更為其適當的格式來準備資料。例如，將包含價格的欄位從字串變更為小數，並將包含日期的欄位從字串變更為日期。您還可以建立計算欄位並排除不需要來源資料表欄位。當您準備好資料集並完成所有轉換後，便可以估計最終結構描述的邏輯大小。
**注意**
地理空間資料類型使用中繼資料來解譯實體資料類型。緯度和經度為數字。所有其他地理空間類別為字串。
在下面的公式中，小數和日期按每個儲存格 8 個位元組計算，並帶有 4 個額外位元組用於輔助。字串根據 UTF-8 編碼的文字長度加上 24 個輔助位元組計算。字串資料類型需要更多空間，因為 SPICE 需要額外的索引來提供高查詢效能。
```
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)
```
上面的公式只能用於估算 SPICE 中單一資料集的大小。SPICE 容量使用量是特定區域中帳戶中的所有資料集的總大小。Quick Sight 不建議您使用此公式來估計 Quick Sight 帳戶正在使用的總SPICE容量。
# 重新整理 SPICE 資料
## 重新整理資料集
使用下列程序，根據[SPICE](spice.md)資料****索引標籤中的 Amazon S3 或資料庫資料來源重新整理資料集。如果資料庫中有結構描述變更，Quick Sight 將無法自動偵測，導致擷取失敗。編輯並儲存資料集以更新結構描述，並避免擷取失敗。
**從SPICE資料索引標籤重新整理資料**
1. 從左側導覽功能表中選取**資料**。在**資料集**索引標籤中，選擇要開啟的資料集。
1. 在開啟的資料集詳細資訊頁面上，選擇**重新整理**索引標籤，然後選擇**立即重新整理**。
1. 將重新整理類型保持為**完整重新整理**。
1. 若要重新整理 Amazon S3 資料集，針對 **S3 清單檔案**，選擇以下其中一個選項：
+ 若要使用您上次提供給 Amazon Quick Sight 的相同資訊清單檔案，請選擇**現有資訊清單**。如果您已變更上次提供的檔案位置或 URL 上的資訊清單檔案，則傳回的資料會反映這些變更。
+ 若要從您的本機網路上傳以指定新的資訊清單檔案，請選擇 **Upload Manifest (上傳資訊清單)**，然後選擇 **Upload manifest file (上傳資訊清單檔案)**。針對 **Open (開啟)**，選擇檔案，然後選擇 **Open (開啟)**。
+ 若要以提供 URL 的方式指定新的資訊清單檔案，請在 **Input manifest URL (輸入資訊清單 URL)** 中輸入資訊清單的 URL。您可以在 Amazon S3 主控台開啟清單檔案檔案的內容 (右鍵) 選單，選擇**屬性**，查看**連結**方塊，即可找出清單檔案檔案 URL。
1. 選擇 **Refresh (重新整理)**。
1. 如果是重新整理 Amazon S3 資料集，則選擇**確定**，然後再選擇一次**確定**。
如果是重新整理資料庫資料集，則選擇**確定**。
## 累加式重新整理資料集
| |
| --- |
| 適用於：企業版 |
針對以 SQL 為基礎的資料來源，例如 Amazon Redshift、Amazon Athena、PostgreSQL 或 Snowflake，您可以在回顧期間內累加式重新整理資料。
*累加式重新整理*僅查詢指定回顧期間內資料集定義的資料。它會從其來源傳輸在該期間內對資料集的所有插入、刪除和修改。此期間內 SPICE 中的當前資料將被刪除並被更新的資料取代。
藉助累加式重新整理，每次重新整理查詢和傳輸的資料更少。例如，假設您有一個包含 180,000 筆記錄的資料集，時間範圍涵蓋 1 月 1 日到 6 月 30 日。7 月 1 日，您對資料執行累加式重新整理，回顧期間為 7 天。Quick Sight 查詢資料庫，要求自 6 月 24 日起 (7 天前） 的所有資料，這是 7，000 筆記錄。Quick Sight 接著會從 6 月 24 SPICE 日及之後刪除目前在 中的資料，並附加新查詢的資料。第二天 (7 月 2 日），Quick Sight 會執行相同的動作，但 6 月 25 日的查詢 （再次 7，000 筆記錄），然後從相同日期的現有資料集中刪除 。它不必每天擷取 180,000 筆記錄，而只需擷取 7,000 筆記錄。
使用下列程序，根據 SQL 資料來源從[SPICE](spice.md)資料集索引標籤逐步重新整理**資料集**。
**累加式重新整理以 SQL 為基礎的 SPICE 資料集**
1. 從左側導覽功能表中選擇**資料**。在**資料集**索引標籤上，選擇要開啟的資料集。
1. 在開啟的資料集詳細資訊頁面上，選擇**重新整理**索引標籤，然後選擇**立即重新整理**。
1. 針對**重新整理類型**，選擇**累加式重新整理**。
1. 如果這是對資料集的第一次累加式重新整理，請選擇**設定**。
1. 在**設定累加式重新整理**頁面上，執行下列操作：
1. 針對**日期資料欄**，選擇要作為回顧期間基礎的日期欄位。
1. 針對**期間長度**，針對**長度**輸入數字，然後選擇要回顧變更的時間的單位。
您可以選擇重新整理從現在起指定小時數、天數或幾週內發生的資料變更。例如，您可以選擇重新整理目前日期兩週內發生的資料變更。
1. 選擇**提交**。
## 在資料準備期間重新整理資料集
在資料準備期間，可透過以下程序，根據 Amazon S3 或資料庫資料來源，重新整理 [SPICE](spice.md) 資料集。
**在資料準備期間重新整理 SPICE 資料**
1. 從左側導覽功能表中選擇**資料**。在**資料集**索引標籤上，選擇資料集，然後選擇**編輯資料集**。
1. 在資料集畫面上，選擇**立即重新整理**。
1. 將重新整理類型保持為**完整重新整理**。
1. (選用) 若要重新整理 Amazon S3 資料集，針對 **S3 清單檔案**，選擇以下其中一個選項：
+ 若要使用您上次提供給 Amazon Quick Sight 的相同資訊清單檔案，請選擇**現有資訊清單**。如果您已變更上次提供的檔案位置或 URL 上的資訊清單檔案，則傳回的資料會反映這些變更。
+ 若要從您的本機網路上傳以指定新的資訊清單檔案，請選擇 **Upload Manifest (上傳資訊清單)**，然後選擇 **Upload manifest file (上傳資訊清單檔案)**。針對 **Open (開啟)**，選擇檔案，然後選擇 **Open (開啟)**。
+ 若要以提供 URL 的方式指定新的資訊清單檔案，請在 **Input manifest URL (輸入資訊清單 URL)** 中輸入資訊清單的 URL。您可以在 Amazon S3 主控台開啟清單檔案檔案的內容 (右鍵) 選單，選擇**屬性**，查看**連結**方塊，即可找出清單檔案檔案 URL。
1. 選擇 **Refresh (重新整理)**。
1. 如果是重新整理 Amazon S3 資料集，則選擇**確定**，然後再選擇一次**確定**。
如果是重新整理資料庫資料集，則選擇**確定**。
## 依排程重新整理資料集。
透過以下程序以排定時程來重新整理資料。如果您的資料集是以直接查詢為基礎，而不是存放在 [SPICE](spice.md)，您可以開啟資料集，藉以重新整理資料。您也可以重新整理分析或儀表板中的頁面，以重新整理資料。
**依排程重新整理 [SPICE](spice.md) 資料**
1. 從左側導覽功能表中選擇**資料**。在**資料集**索引標籤上，選擇要開啟的資料集。
1. 在開啟的資料集詳細資訊頁面上，選擇**重新整理**索引標籤，然後選擇**新增排程**。
1. 在**建立重新整理排程**畫面，選擇排程設定：
1. 針對 **Time zone (時區)**，選擇適用於資料重新整理的時區。
1. 針對**開始時間**，選擇重新整理開始的日期。使用 HH: MM 和 24 小時格式，例如 13:30。
1. 針對**頻率**，選擇下列其中一項：
+ 對於標準版或企業版，您可以選擇 **Daily (每日)**、**Weekly (每週)** 或 **Monthly (每月)**。
+ **每日**：每天重複。
+ **每週**：每週的同一天重複。
+ **Monthly (每月)**：每月的同一天重複。若要在當月的 29 日、30 日或 31 日重新整理資料，請從清單中選擇 **Last day of month (每月的最後一日)**。
+ 僅針對企業版，您可以選擇 **Hourly (每小時)**。此設定會從您選擇的時間開始，每小時重新整理一次您的資料集。因此，如果您選擇 1:05 作為開始時間，資料會在每小時的 5 分時重新整理一次。
如果您決定使用每小時重新整理，則無法同時使用其他的重新整理排程。若要建立每小時排程，請移除該資料集任何其他現有排程。此外，在建立每日、每週或每月排程之前，亦請移除任何現有的每小時排程。
1. 選擇**儲存**。
排程的資料集擷取會在排程日期和時間的 10 分鐘內進行。
使用快速主控台，您可以為每個資料集建立五個排程。當您建立五個之後，**建立**按鈕會停用。
## 依排程累加式重新整理資料集
| |
| --- |
| 適用於：企業版 |
針對以 SQL 為基礎的資料來源，例如 Amazon Redshift、Athena、PostgreSQL 或 Snowflake，您可以排程累加式重新整理。使用下列程序，根據[SPICE](spice.md)資料集索引標籤中的 SQL 資料來源逐步重新整理**資料集**。
**為以 SQL 為基礎的 SPICE 資料集設定累加式重新整理排程**
1. 從左側導覽功能表中選擇**資料**。在**資料集**索引標籤上，選擇要開啟的資料集。
1. 在開啟的資料集詳細資訊頁面上，選擇**重新整理**索引標籤，然後選擇**新增排程**。
1. 在**建立排程**頁面上，針對**重新整理類型**，選擇**累加式重新整理**。
1. 如果這是對此資料集的第一次累加式重新整理，請選擇**設定**，然後執行下列操作：
1. 針對**日期資料欄**，選擇要作為回顧期間基礎的日期欄位。
1. 針對**期間長度**，針對**長度**輸入數字，然後選擇要回顧變更的時間的單位。
您可以選擇重新整理從現在起指定小時數、天數或幾週內發生的資料變更。例如，您可以選擇重新整理目前日期兩週內發生的資料變更。
1. 選擇**提交**。
1. 針對 **Time zone (時區)**，選擇適用於資料重新整理的時區。
1. 針對 **Repeats (重複)**，選擇下列其中一項：
+ 您可以選擇**每 15 分鐘**、**每 30 分鐘**、**每小時**、**每天**、**每週**或**每**月。
+ **每 15 分鐘**：每 15 分鐘重複一次，從您選擇的時間開始。例如，如果您選擇 1:05 作為開始時間，資料將在 1:20 重新整理，然後在 1:35 再次重新整理，依此類推。
+ **每 30 分鐘**：每 30 分鐘重複一次，從您選擇的時間開始。例如，如果您選擇 1:05 作為開始時間，資料將在 1:35 重新整理，然後在 2:05 再次重新整理，依此類推。
+ **每小時**：每小時重複一次，從您選擇的時間開始。因此，如果您選擇 1:05 作為開始時間，資料會在每小時的 5 分時重新整理一次。
+ **每日**：每天重複。
+ **每週**：每週的同一天重複。
+ **Monthly (每月)**：每月的同一天重複。若要在當月的 29 日、30 日或 31 日重新整理資料，請從清單中選擇 **Last day of month (每月的最後一日)**。
+ 如果您決定使用每 15 分鐘、每 30 分鐘或每小時重新整理，則無法同時使用其他的重新整理排程。若要建立每 15 分鐘、每 30 分鐘或每小時重新整理的排程，請移除相應資料集的任何其他現有排程。此外，在建立每日、每週或每月排程之前，亦請移除任何現有的每一定分鐘數或每小時排程。
1. 針對**開始**，選擇重新整理開始的日期。
1. 針對**時刻**，指定重新整理應該開始的時間。使用 HH: MM 和 24 小時格式，例如 13:30。
排程的資料集擷取會在排程日期和時間的 10 分鐘內進行。
在某些情況下，累加式重新整理資料集可能會出現問題，導致您想要回復資料集。或者您可能不再希望累加式重新整理資料集。如果是這樣，您可以刪除排程的重新整理。
為此，請在**資料集**頁面上選擇資料集，選擇**排程重新整理**，然後選擇相應已排程重新整理右側的 x 圖示。刪除累加式重新整理組態將啟動完全重新整理。在此完全重新整理過程中，為累加式重新整理準備的所有組態都將被移除。
# 在分析中使用 SPICE 資料
您使用儲存的資料建立分析時，資料匯入指標會出現在**欄位清單**窗格頂端的資料集旁邊。當您第一次開啟分析且資料集正在匯入時，會出現旋轉符號圖示。
在 SPICE 匯入完成後，該指標會顯示成功匯入的資料列百分比。視覺化窗格頂端也會顯示訊息，提供匯入和略過的資料列計數。
如果略過任何資料列，您可以選擇訊息列中的 **View summary (查看摘要)**，查看這些資料列無法匯入的詳細資訊。若要編輯資料集，並解決導致略過資料列的問題，請選擇**編輯資料集**。如需略過資料列的常見原因有關的詳細資訊，請參閱[對資料列被略過的錯誤進行疑難排解](troubleshooting-skipped-rows.md)。
如果匯入失敗，資料匯入指標會顯示為驚嘆號圖示，而且 **Import failed (匯入失敗)** 訊息會出現。
# 檢視 SPICE 擷取歷史記錄
例如，您可以檢視 SPICE 資料集的擷取歷史記錄，找出最近一次開始擷取的時間及其狀態。
SPICE 擷取歷史記錄頁面包含下列資訊：
+ 開始擷取的日期和時間 (UTC)
+ 擷取狀態
+ 擷取所耗時間量
+ 資料集中的彙總資料列數。
+ 重新整理期間擷取的資料列數。
+ 略過的資料列和成功擷取 (匯入) 的資料列
+ 重新整理的任務類型：已排程、完整重新整理等
透過以下程序檢視資料集的 SPICE 擷取歷史記錄。
**檢視資料集的 SPICE 擷取歷史記錄**
1. 在首頁中，選擇左側**的資料**。
1. 在**資料集**索引標籤上，選擇您要檢查的資料集。
1. 在開啟的資料集詳細資訊頁面上，選擇**重新整理**索引標籤。
SPICE 擷取歷史記錄便會顯示在底部。
1. (選用) 選擇一個時間範圍，篩選過去一小時到過去 90 天中的項目。
1. (選用) 選擇特定的任務狀態以篩選項目，例如 **Running (正在執行)** 或 **Completed (已完成)**。否則，您可以選擇 **All (全部)** 檢視所有項目。
# 對資料列被略過的錯誤進行疑難排解
當您匯入資料時，Amazon Quick Sight 會預覽部分資料。如果它因任何原因無法解譯資料列，Quick Sight 會略過該資料列。在某些情況下，匯入會失敗。發生這種情況時，Quick Sight 會傳回解釋失敗的錯誤訊息。
幸好可能出錯的地方數量有限。透過了解以下範例可以避免一些問題：
+ 確保欄位資料類型和欄位資料 (例如：數值資料類型欄位中偶爾出現的字串資料) 之間的一致。以下是掃描資料表內容時很難偵測到的一些問題的範例：
+ `''`：使用空字串來指示缺失值
+ `'NULL'`：使用單字 "null" 來指示缺失值
+ `$1000`：在貨幣值中包含美元符號會將其轉換為字串
+ `'O'Brien'`：使用標點符號來標記包含所用標點符號的字串。
然而，這些類型的錯誤並不永遠容易發現，特別是如果資料量大，或者資料手動輸入。例如，某些客戶服務或銷售應用程式涉及輸入客戶口頭提供的資訊。最初輸入資料的人可能將資料輸入到了錯誤的欄位。他們可能會新增或忘記新增字元或數字。例如，他們可能會輸入日期 "0/10/12020" 或在代表年齡的欄位中輸入某人的性別。
+ 確認您匯入的有標頭或沒有標頭的檔案已正確處理。如果有標頭資料列，請確認選擇**包含標頭**上傳選項。
+ 確認資料不超出 [資料來源配額](data-source-limits.md) 中的一個或多個。
+ 確認資料與 [支援的資料類型和值](supported-data-types-and-values.md) 相容。
+ 確認計算欄位包含可用於計算的資料，不會與計算欄位中的函數不相容或被計算欄位中的函數排除。例如，如果您的資料集中有使用 的計算欄位[parseDate](parseDate-function.md)，Quick Sight 會略過該欄位不包含有效日期的資料列。
Quick Sight 提供SPICE引擎嘗試擷取資料時發生之錯誤的詳細清單。當已儲存的資料集報告略過資料列時，您可以檢視錯誤，以便採取措施修復問題。
**檢視 SPICE 擷取 (資料匯入) 期間略過資料列錯誤**
1. 選擇左側**的資料**。在**資料集**索引標籤中，選擇有問題的資料集來開啟它。
1. 在開啟的資料集詳細資訊頁面上，選擇**重新整理**索引標籤。
SPICE 擷取歷史記錄便會顯示在底部。
1. 針對出現錯誤的擷取，選擇**檢視錯誤摘要**。此連結位於**狀態**資料欄下。
1. 檢查開啟的**檔案匯入日誌**。它顯示以下區段：
+ **摘要**：提供匯入中略過的總列數的百分比分數。例如，如果總共 1,728 列中有 864 列被略過，則分數為 50.00%。
+ **已略過的資料列**：提供每組相似略過列的列計數、欄位名稱和錯誤訊息。
+ **疑難排解**：提供下載包含錯誤訊息之檔案的連結。
1. 在**疑難排解**下，選擇**下載錯誤資料列檔案**。
錯誤檔案中的每個錯誤都有一列。該檔案名為 `error-report_123_fe8.csv`，其中 `123_fe8` 會被唯一識別字串取代。該檔案內含以下資料欄：
+ **ERROR\$1TYPE**：匯入資料列時發生的錯誤的類型或錯誤代碼。您可以在本程序之後的 [SPICE 擷取錯誤代碼](errors-spice-ingestion.md) 一節中查閱錯誤的相關資訊。
+ **COLUMN\$1NAME**：資料中導致錯誤的資料欄的名稱。
+ 匯入資料列中的所有資料欄：剩餘資料欄重複整列資料。如果一列有多個錯誤，則它可能會在此檔案中出現多次。
1. 選擇**編輯資料集**變更資料集。您可以篩選資料、省略欄位、變更資料類型、調整現有計算欄位，以及新增驗證資料的計算欄位。
1. 進行錯誤代碼指示的變更後，再次匯入資料。如果日誌中出現其他 SPICE 擷取錯誤，請再次執行此程序以修復所有剩餘錯誤。
**提示**
如果使用資料集編輯器無法在合理的時間內解決資料問題，請諮詢擁有資料的管理員或開發人員。從長遠來看，在更接近資料來源的地方清理資料，比在準備資料以用於分析時進行例外狀況處理更具成本效益。透過從來源修正錯誤，可以避免多人以不同方式修正錯誤，從而導致稍後報告結果不同的情況。
**練習對資料列被略過進行疑難排解**
1. 下載 [samples/csv-files-for-troubleshooting-skipped-rows.zip](samples/csv-files-for-troubleshooting-skipped-rows.zip)。
1. 將檔案解壓縮至資料夾，您可用來將範例 .csv 檔案上傳至 Quick Sight。
該 zip 檔案包含下列兩個文字檔案：
+ `sample dataset - data ingestion error.csv`：範例 .csv 檔案，其中包含導致略過資料列的問題。您可以嘗試自行匯入該檔案，看看錯誤處理是如何進行的。
+ `sample data ingestion error file` – 將範例 SPICE .csv 檔案匯入 Quick Sight 時，在擷取期間產生的範例錯誤檔案。
1. 請依照下列步驟匯入資料：
1. 選擇**資料**、**資料集**索引標籤、**新增**、**資料集**。
1. 選擇 **Upload a file (上傳檔案)**。
1. 找到並選擇名為 `sample dataset - data ingestion error.csv` 的檔案。
1. 選擇**上傳檔案**，再選擇**編輯設定和準備資料**。
1. 選擇**儲存**以退出。
1. 選擇資料集以檢視其訊息，然後選擇**檢視錯誤摘要**。檢查錯誤和資料以解決問題。
# SPICE 擷取錯誤代碼
下列錯誤代碼和描述清單可協助您了解將資料擷取到 SPICE 的問題，並進行疑難排解。
## 略過資料列的錯誤代碼
下列錯誤代碼和描述清單可協助您了解資料列被略過的問題，並進行疑難排解。
****ARITHMETIC\$1EXCEPTION****：處理數值時發生算術例外狀況。
****ENCODING\$1EXCEPTION****：針對 SPICE 轉換和編碼資料時發生未知例外狀況。
****OPENSEARCH\$1CURSOR\$1NOT\$1ENABLED****：OpenSearch 域未啟用 SQL 指標 (`"opendistro.sql.cursor.enabled" : "true"`)。如需詳細資訊，請參閱[授權連線到 Amazon OpenSearch Service](opensearch.md)。
****INCORRECT\$1FIELD\$1COUNT****：一列或多列包含太多欄位。確認每列中的欄位數與結構描述中定義的欄位數相符。
****INCORRECT\$1SAGEMAKER\$1OUTPUT\$1FIELD\$1COUNT****：SageMaker AI 輸出具有意外數量的欄位。
****INDEX\$1OUT\$1OF\$1BOUNDS****：系統請求的索引針對正在處理的陣列或清單無效。
****MALFORMED\$1DATE****：欄位中的值無法轉換為有效日期。例如，如果您嘗試轉換包含 `"sale date"` 或 `"month-1"` 等值的欄位，則會產生格式錯誤的日期錯誤。若要修復此錯誤，請從資料來源中移除非日期值。檢查您匯入的檔案中資料欄標頭是否混入資料。如果字串包含無法轉換的日期或時間，請參閱 [使用不支援的日期或自訂日期](using-unsupported-dates.md)。
****MISSING\$1SAGEMAKER\$1OUTPUT\$1FIELD****：SageMaker AI 輸出中的欄位意外為空。
****NUMBER\$1BITWIDTH\$1TOO\$1LARGE****：數值超出了 SPICE 支援的長度。例如，數值超過 19 位 (`bigint` 資料類型的長度)。針對不是數值的長數字序列，請使用 `string` 資料類型。
****NUMBER\$1PARSE\$1FAILURE****：數字欄位中的值不是數字。例如，資料類型為 `int` 的欄位包含字串或浮點數。
****SAGEMAKER\$1OUTPUT\$1COLUMN\$1TYPE\$1MISMATCH****：SageMaker AI 結構描述中定義的資料類型與從 SageMaker AI 接收的資料類型不相符。
****STRING\$1TRUNCATION****：字串被 SPICE 截斷。當字串長度超過 SPICE 配額時，字串將被截斷。如需 SPICE 的相關資訊，請參閱 [將資料匯入至 SPICE](spice.md)。如需配額的詳細資訊，請參閱 [Service Quotas](https://docs.aws.amazon.com/servicequotas/latest/userguide/intro.html)。
****UNDEFINED****：擷取資料時發生未知錯誤。
****UNSUPPORTED\$1DATE\$1VALUE****：日期欄位包含格式正確但不在支援的日期範圍內的日期，例如 "12/31/1399" 或 "01/01/10000"。如需詳細資訊，請參閱[使用不支援的日期或自訂日期](using-unsupported-dates.md)。
## 資料匯入過程中的錯誤代碼
對於失敗的匯入和資料重新整理任務，Quick Sight 會提供錯誤代碼，指出失敗的原因。下列錯誤代碼和描述清單可協助您了解將資料擷取到 SPICE 的問題，並進行疑難排解。
****ACCOUNT\$1CAPACITY\$1LIMIT\$1EXCEEDED****：此資料超過您目前的 SPICE 容量。購買更多 SPICE 容量或清除現有的 SPICE 資料，然後重試此擷取。
****CONNECTION\$1FAILURE**** – Amazon Quick Sight 無法連線至您的資料來源。請檢查資料來源連線設定，然後再試一次。
****CUSTOMER\$1ERROR****：剖析資料時發生問題。如果仍然存在，請聯絡 Amazon Quick Sight 技術支援。
****DATA\$1SET\$1DELETED****：資料來源或資料集已刪除，或在擷取期間變得無法使用。
****DATA\$1SET\$1SIZE\$1LIMIT\$1EXCEEDED****：此資料集超過允許的 SPICE 資料集大小上限。請使用篩選條件減少資料集大小，然後再試一次。如需 SPICE 配額的相關資訊，請參閱 [資料來源配額](data-source-limits.md)。
****DATA\$1SOURCE\$1AUTH\$1FAILED****：資料來源驗證失敗。檢查您的憑證，並使用**編輯資料來源**選項取代過期的憑證。
****DATA\$1SOURCE\$1CONNECTION\$1FAILED****：資料來源連線失敗。請檢查 URL，然後再試一次。如果此錯誤持續發生，請連絡您的資料來源管理員尋求協助。
****DATA\$1SOURCE\$1NOT\$1FOUND****：找不到任何資料來源。檢查您的 Amazon Quick Sight 資料來源。
****DATA\$1TOLERANCE\$1EXCEPTION****：無效資料列太多。Amazon Quick Sight 已達到可略過的資料列配額，但仍可繼續擷取。請檢查您的資料，然後再試一次。
****FAILURE\$1TO\$1ASSUME\$1ROLE**** – Amazon Quick Sight 無法擔任正確的 AWS Identity and Access Management (IAM) 角色。在 IAM 主控台中驗證 `Amazon Quick Sight-service-role` 的政策。
****FAILURE\$1TO\$1PROCESS\$1JSON\$1FILE**** – Amazon Quick Sight 無法將資訊清單檔案剖析為有效的 JSON。
****IAM\$1ROLE\$1NOT\$1AVAILABLE**** – Amazon Quick Sight 沒有存取資料來源的許可。若要管理 資源的 AWS Amazon Quick Sight 許可，請以管理員身分前往**管理 Amazon Quick Sight **選項下的**安全和許可**頁面。
****INGESTION\$1CANCELED****：使用者已取消擷取。
****INGESTION\$1SUPERSEDED****：此擷取已為另一個工作流程所取代。當在另一個擷取仍在進行中時便建立了新的擷取，就會發生這種情況。避免在短時間內手動編輯資料集多次，因為每次手動編輯都會建立新的擷取，且新的擷取會取代和結束先前的擷取。
****INTERNAL\$1SERVICE\$1ERROR****：發生內部服務錯誤。
****INVALID\$1DATA\$1SOURCE\$1CONFIG****：連線設定中出現無效的值。請檢查您的連線詳細資料，然後再試一次。
****INVALID\$1DATAPREP\$1SYNTAX****：您計算的欄位表達式包含無效的語法。請更正語法，然後再試一次。
****INVALID\$1DATE\$1FORMAT****：出現無效的日期格式。
****IOT\$1DATA\$1SET\$1FILE\$1EMPTY**** – 找不到 AWS IoT 分析資料。請檢查您的帳戶，然後再試一次。
****IOT\$1FILE\$1NOT\$1FOUND**** – 找不到指定的 AWS IoT Analytics 檔案。請檢查您的帳戶，然後再試一次。
****OAUTH\$1TOKEN\$1FAILURE****：資料來源的憑證已過期。請更新您的憑證，然後重試此擷取。
****PASSWORD\$1AUTHENTICATION\$1FAILURE****：資料來源出現不正確的憑證。請更新您的資料來源憑證，然後重試此擷取。
****PERMISSION\$1DENIED****：資料來源拒絕您存取請求的資源。向您的資料庫管理員請求許可，或確保在重試之前已將適當的許可授予 Amazon Quick Sight。
****QUERY\$1TIMEOUT****：查詢資料來源發生等待回應逾時。請檢查您的資料來源記錄檔，然後再試一次。
****ROW\$1SIZE\$1LIMIT\$1EXCEEDED****：資料列大小配額超過上限。
****S3\$1FILE\$1INACCESSIBLE****：無法連線至 S3 儲存貯體。在連線至 S3 儲存貯體之前，請務必授予 Amazon Quick Sight 和使用者必要的許可。
****S3\$1MANIFEST\$1ERROR****：法連線到 S3 資料。確保您的 S3 清單檔案有效。同時驗證對 S3 資料的存取權。Amazon Quick Sight 和 Amazon Quick Sight 使用者都需要許可才能連線到 S3 資料。
****S3\$1UPLOADED\$1FILE\$1DELETED****：已刪除一或多個供擷取的檔案 (在兩次擷取之間)。檢查您的 S3 儲存貯體，然後再試一次。
****SOURCE\$1API\$1LIMIT\$1EXCEEDED\$1FAILURE****：此擷取超過此資料來源的 API 配額。請連絡您的資料來源管理員尋求協助。
****SOURCE\$1RESOURCE\$1LIMIT\$1EXCEEDED****：SQL 查詢超出資料來源的資源配額。所涉及的資源範例包括同時查詢配額、連線配額和實體伺服器資源。請連絡您的資料來源管理員尋求協助。
****SPICE\$1TABLE\$1NOT\$1FOUND**** – Amazon Quick Sight 資料來源或資料集在擷取期間已刪除或無法使用。在 Amazon Quick Sight 中檢查您的資料集，然後再試一次。如需詳細資訊，請參閱[對資料列被略過的錯誤進行疑難排解](troubleshooting-skipped-rows.md)。
****SQL\$1EXCEPTION****：發生一般 SQL 錯誤。此錯誤可能是由查詢逾時、資源限制、查詢前後或期間未預期的資料定義語言 (DDL) 變更，以及其他資料庫錯誤所造成。請檢查您的資料庫設定和查詢，然後再試一次。
****SQL\$1INVALID\$1PARAMETER\$1VALUE****：出現無效的 SQL 參數。請檢查您的 SQL，然後再試一次。
****SQL\$1NUMERIC\$1OVERFLOW**** – Amazon Quick Sight 遇到out-of-range的數值例外狀況。請檢查相關值和計算欄位是否發生溢位，然後再試一次。
****SQL\$1SCHEMA\$1MISMATCH\$1ERROR**** – 資料來源結構描述與 Amazon Quick Sight 資料集不符。更新您的 Amazon Quick Sight 資料集定義。
****SQL\$1TABLE\$1NOT\$1FOUND**** – Amazon Quick Sight 在資料來源中找不到資料表。請驗證資料集或自訂 SQL 中是否指定該資料表，然後再試一次。
****SSL\$1CERTIFICATE\$1VALIDATION\$1FAILURE**** – Amazon Quick Sight 無法驗證資料庫伺服器上的 Secure Sockets Layer (SSL) 憑證。請向資料庫管理員確認該伺服器上的 SSL 狀態，然後再試一次。
****UNRESOLVABLE\$1HOST**** – Amazon Quick Sight 無法解析資料來源的主機名稱。請驗證資料來源的主機名稱，然後再試一次。
****UNROUTABLE\$1HOST**** – Amazon Quick Sight 無法連線到您的資料來源，因為它位於私有網路內。確保您的私有 VPC 連線已在 Enterprise Edition 中正確設定，或允許 Amazon Quick Sight IP 地址範圍允許 Standard Edition 的連線。
# 更新資料集中的檔案
若要取得最新版本的檔案，您可以更新資料集中的檔案。您可以更新這些類型的檔案：
+ 逗號分隔文字檔案 (CSV) 和製表符分隔文字檔案 (TSV)
+ 擴充和通用日誌格式檔案 (ELF 和 CLF)
+ 一般或半結構化資料檔案 (JSON)
+ Microsoft Excel 檔案 (XLSX)
在更新檔案之前，請確認新檔案具有與資料集中當前原始檔案相同的欄位，且順序相同。如果兩個檔案之間存在欄位 (資料欄) 差異，則會出現錯誤，您需要在嘗試再次更新之前消除差異。您可以透過編輯新檔案以與原始檔案相符來完成此操作。請注意，若要新增欄位，可以將它們附加在檔案中的原始欄位之後。例如，在 Microsoft Excel 試算表中，您可以將新欄位附加到原始欄位的右側。
**更新資料集中的檔案**
1. 在 Quick Sight 中，選擇左側**的資料**。
1. 在**資料集**索引標籤中，選擇您要更新的資料集，然後選擇**編輯資料集**。
1. 在開啟的資料準備頁面上，選擇要更新的檔案的下拉式清單，然後選擇**更新檔案**。
1. 在開啟的**更新檔案**頁面上，選擇**上傳檔案**，然後導覽至檔案。
Quick Sight 會掃描 檔案。
1. 如果檔案是 Microsoft Excel 檔案，請在開啟的**選取您的表**頁面上選取所需的工作表，然後選擇**選取**。
1. 在下一頁選擇**確認檔案更新**。系統會顯示一些工作表資料欄的預覽供您參考。
檔案更新成功的訊息會出現在右上角，並且資料表預覽會更新以顯示新的檔案資料。