本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 问题排查指南
请参阅此问题排查指南，以帮助调试在计划的笔记本作业运行时可能遇到的故障。
## 作业定义不会创建作业
如果您的任务定义未启动任何作业，则笔记本或培训作业可能不会显示在 Amazon SageMaker Studio 左侧导航栏的 “**作业**” 部分中。如果是这种情况，您可以在 Studio 左侧导航栏的 **Pipelines** 部分找到错误信息。每个笔记本或训练作业定义都属于一个执行管道。以下是无法启动笔记本作业的常见原因。
**缺少权限**
+ 分配给任务定义的角色与 Amazon 没有信任关系 EventBridge。也就是说， EventBridge 不能担任该角色。
+ 分配给作业定义的角色没有调用 `SageMaker AI:StartPipelineExecution` 的权限。
+ 分配给作业定义的角色没有调用 `SageMaker AI:CreateTrainingJob` 的权限。
**EventBridge 已超出配额**
如果您看到如下例所示的`Put*`错误，则说明您已超出 EventBridge配额。要解决这个问题，你可以清理未使用的 EventBridge 运行次数，或者 Amazon Web Services 支持 要求增加配额。
```
LimitExceededException) when calling the PutRule operation:
The requested resource exceeds the maximum number allowed
```
有关 EventBridge 配额的更多信息，请参阅 [Amazon EventBridge 配额](https://docs.amazonaws.cn/eventbridge/latest/userguide/eb-quota.html)。
**已超出管道配额限制**
如果您看到如下例所示的错误，则说明已超出可运行的管道数量。要解决此问题，您可以清理账户中未使用的管道，也可以要求 Amazon Web Services 支持 增加配额。
```
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.
```
有关管道配额的更多信息，请参阅 [Amazon A SageMaker I 终端节点和配额](https://docs.amazonaws.cn/general/latest/gr/sagemaker.html)。
**已超出训练作业限制**
如果您看到如下例所示的错误，则说明已超出可运行的训练作业数量。要解决这个问题，请减少账户中的培训任务数量，或者 Amazon Web Services 支持 要求增加配额。
```
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 Amazon support to request an increase for this limit.
```
有关训练作业配额的更多信息，请参阅 [Amazon A SageMaker I 终端节点和配额](https://docs.amazonaws.cn/general/latest/gr/sagemaker.html)。
## 在笔记本中 SparkMagic 禁用自动可视化
如果您的 notebook 使用 SparkMagic PySpark 内核，并且您将 notebook 作为 Notebook Job 运行，则可能会在输出中看到自动可视化已被禁用。打开自动可视化功能会导致内核挂起，因此笔记本作业执行器目前禁用自动可视化功能作为一种变通办法。