Fehlermeldungen

Dieser Fehler weist darauf hin, dass der Dienst derzeit nicht verfügbar ist. Dafür kann es verschiedene vorübergehende Gründe geben, darunter:

• Plötzlicher Anstieg der Dienstnachfrage: Plötzliche Nachfragespitzen, z. B. während der Hauptnutzungszeiten, können zu einer Lastverteilung führen, um die Dienstqualität für alle BigQuery-Nutzer zu schützen. Um eine Überlastung des Systems zu vermeiden, kann BigQuery für einen kleinen Teil der Anfragen 500er- oder 503er-Fehler zurückgeben.
• Netzwerkprobleme: Aufgrund der verteilten Architektur von BigQuery werden Daten häufig zwischen verschiedenen Komponenten oder Maschinen im System übertragen. Verschiedene zeitweilige Probleme mit der Netzwerkverbindung können dazu führen, dass BigQuery einen 5xx-Fehler zurückgibt, einschließlich SSL-Handshake-Fehler oder anderer Probleme mit der Netzwerkinfrastruktur zwischen dem Nutzer und Trusted Cloud by S3NS.
• Erschöpfung von Ressourcen: BigQuery hat verschiedene interne Ressourcenlimits, um die allgemeine Dienstleistung vor einem einzelnen Nutzer oder einem einzelnen Job zu schützen, der zu viele Ressourcen verbraucht. BigQuery verwendet Load Shedding, um Ressourcenerschöpfung zu vermeiden.
• Backend-Fehler: In seltenen Fällen kann ein internes Problem in einer der BigQuery-Komponenten dazu führen, dass dem Client ein 500- oder 503-Fehler zurückgegeben wird.

jobs.get-Aufrufe

• Wenn Sie beim Aufrufen von jobs.get einen 503-Fehler erhalten, warten Sie einige Sekunden und wiederholen Sie den Aufruf.
• Wenn der Job abgeschlossen wird, aber ein Fehlerobjekt mit backendError zurückgibt, ist der Job fehlgeschlagen. Sie können dann den Job problemlos noch einmal ausführen, die Datenkonsistenz ist dadurch nicht gefährdet.

jobs.insert-Aufrufe

Wenn Sie diesen Fehler beim Ausführen eines jobs.insert-Aufrufs erhalten, ist unklar, ob der Job erfolgreich abgeschlossen wurde. Sie müssen ihn dann noch einmal ausführen.

Wenn die Wiederholungsversuche nicht erfolgreich sind und die Probleme weiterhin bestehen, können Sie die Rate fehlgeschlagener Anfragen berechnen und den Support kontaktieren.

Wenn eine bestimmte Anfrage an BigQuery wiederholt mit einem 5xx-Fehler fehlschlägt, auch wenn sie bei mehreren Neustartversuchen des Workflows mit exponentiellem Backoff wiederholt wird, sollten Sie das Problem an den Support eskalieren, damit es auf BigQuery-Seite behoben werden kann. Das gilt unabhängig von der insgesamt berechneten Fehlerrate. Achten Sie darauf, die Auswirkungen auf Ihr Unternehmen eindeutig zu kommunizieren, damit das Problem korrekt gesichtet werden kann.

Weitere Informationen finden Sie unter BigQuery-Kontingentfehler beheben.

Wenn Sie der Meinung sind, dass Ihr Projekt keines dieser Limits überschritten hat, wenden Sie sich an den Support.

Weitere Informationen finden Sie unter BigQuery-Kontingentfehler beheben.

GET https://bigquery.googleapis.com/bigquery/v2/projects/12345/datasets/foo
Response:
[404]
{
  "error": {
  "errors": [
  {
    "domain": "global",
    "reason": "notFound",
    "message": "Not Found: Dataset myproject:foo"
  }],
  "code": 404,
  "message": "Not Found: Dataset myproject:foo"
  }
}

Die meisten 500- und 503-Fehler lassen sich durch einen Wiederholungsversuch mit exponentiellem Backoff beheben. Wenn 500- und 503-Fehler weiterhin auftreten, können Sie die Gesamtrate fehlgeschlagener Anfragen und die entsprechende Betriebszeit berechnen, um sie mit dem BigQuery-Service Level Agreement (SLA) zu vergleichen und festzustellen, ob der Dienst wie erwartet funktioniert.

Um die Gesamtrate fehlgeschlagener Anfragen in den letzten 30 Tagen zu berechnen, teilen Sie die Anzahl der fehlgeschlagenen Anfragen für einen bestimmten API-Aufruf oder eine bestimmte Methode in den letzten 30 Tagen durch die Gesamtzahl der Anfragen für diesen API-Aufruf oder diese Methode in den letzten 30 Tagen. Multiplizieren Sie diesen Wert mit 100, um den durchschnittlichen Prozentsatz fehlgeschlagener Anfragen über 30 Tage zu erhalten.

Sie können beispielsweise Cloud Logging-Daten abfragen, um die Gesamtzahl der jobs.insert-Anfragen und die Anzahl der fehlgeschlagenen jobs.insert-Anfragen zu ermitteln und die Berechnung durchzuführen. Sie können die Werte für die Fehlerrate auch über das API-Dashboard oder mit dem Metrics Explorer in Cloud Monitoring abrufen. Diese Optionen enthalten keine Daten zu Netzwerk- oder Routingproblemen zwischen dem Client und BigQuery. Wir empfehlen daher, auch ein clientseitiges Protokollierungs- und Berichtssystem für genauere Berechnungen der Fehlerrate zu verwenden.

Ziehen Sie zuerst die Gesamtrate der fehlgeschlagenen Anfragen von 100% ab. Wenn dieser Wert größer oder gleich dem im BigQuery-SLA beschriebenen Wert ist, entspricht die Betriebszeit auch dem BigQuery-SLA. Wenn dieser Wert jedoch niedriger ist als der im SLA beschriebene Wert, berechnen Sie die Betriebszeit manuell.

Um die Betriebszeit zu berechnen, müssen Sie die Anzahl der Minuten kennen, die als Dienstausfall gelten. Ein Dienstausfall ist ein Zeitraum von einer Minute mit einer Fehlerrate von mehr als 10 %, die gemäß den SLA-Definitionen berechnet wird. Um die Betriebszeit zu berechnen, ziehen Sie von der Gesamtzahl der Minuten der letzten 30 Tage die Gesamtzahl der Minuten ab, in denen der Dienst nicht verfügbar war. Teile die verbleibende Zeit durch die Gesamtzahl der Minuten der letzten 30 Tage und multipliziere diesen Wert mit 100, um den Prozentsatz der Betriebszeit über 30 Tage zu erhalten. Weitere Informationen zu den Definitionen und Berechnungen im Zusammenhang mit dem SLA finden Sie im BigQuery-Service Level Agreement (SLA).

Wenn Ihr monatlicher Uptime-Prozentsatz größer oder gleich dem im BigQuery-SLA beschriebenen Wert ist, wurde der Fehler höchstwahrscheinlich durch ein vorübergehendes Problem verursacht. Sie können es also weiterhin mit exponentiellem Backoff versuchen.

Wenn die Betriebszeit unter dem im SLA angegebenen Wert liegt, wenden Sie sich an den Support und geben Sie die beobachtete Gesamtrate der Fehler und die Berechnungen der Betriebszeit an.

Authentifizierungsfehler

Bei Fehlern, die vom System zur Generierung von OAuth-Tokens ausgegeben werden, wird gemäß der Definition der OAuth2-Spezifikation das folgende JSON-Objekt zurückgegeben:

{"error" : "description_string"}

Der Fehler wird zusammen mit einem "HTTP 400 Bad Request"-Fehler oder einem "HTTP 401 Unauthorized"-Fehler angezeigt. description_string ist einer der Fehlercodes, die in der OAuth2-Spezifikation definiert sind. Beispiel:

{"error":"invalid_client"}

Fehler ansehen

Mit dem Log-Explorer können Sie Authentifizierungsfehler für bestimmte Jobs, Nutzer oder andere Bereiche aufrufen. Nachfolgend finden Sie einige Beispiele für Filter für den Log-Explorer, mit denen Sie Authentifizierungsfehler prüfen können.

Suchen Sie in den Audit-Logs zu Richtlinienverstößen nach fehlgeschlagenen Jobs mit Berechtigungsproblemen:

    resource.type="bigquery_resource"
    protoPayload.status.message=~"Access Denied"
    logName="projects/PROJECT_ID/logs/cloudaudit.googleapis.com%2Fdata_access"
  

So suchen Sie nach einem bestimmten Nutzer oder Dienstkonto, das für die Authentifizierung verwendet wird:

    resource.type="bigquery_resource"
    protoPayload.authenticationInfo.principalEmail="EMAIL"
  

Ersetzen Sie EMAIL durch die E-Mail-Adresse des Nutzers oder Dienstkontos.

Suchen Sie in den Audit-Logs zu Administratoraktivitäten nach Änderungen an IAM-Richtlinien:

    protoPayload.methodName=~"SetIamPolicy"
    logName="projects/PROJECT_ID/logs/cloudaudit.googleapis.com%2Factivity"
  

So suchen Sie in den Audit-Logs zum Datenzugriff nach Änderungen an einem bestimmten BigQuery-Dataset:

    resource.type="bigquery_resource"
    protoPayload.resourceName="projects/PROJECT_ID/datasets/DATASET_ID"
    logName=projects/PROJECT_ID/logs/cloudaudit.googleapis.com%2Fdata_access
  

Ersetzen Sie Folgendes:

• PROJECT_ID: die ID des Projekts, das die Ressource enthält
• DATASET_ID: die ID des Datasets, das die Ressource enthält

Fehlermeldungen zu Verbindungen

In der folgenden Tabelle sind Fehlermeldungen aufgeführt, die aufgrund von zeitweiligen Verbindungsproblemen bei der Verwendung der Clientbibliotheken oder beim Aufrufen der BigQuery API aus Ihrem Code angezeigt werden können:

Trusted Cloud Console-Fehlermeldungen

In der folgenden Tabelle sind Fehlermeldungen aufgeführt, die in derTrusted Cloud Console auftreten können.