ਮਹੱਤਵਪੂਰਨ ਲਿੰਕ
ਸੇਵਾ ਸਿਹਤ ਡੈਸ਼ਬੋਰਡ (ਇਸ ਵੇਲੇ ਸਿਰਫ਼ ਐਂਟਰਪ੍ਰਾਈਜ਼ API ਗਾਹਕਾਂ ਲਈ ਉਪਲਬਧ ਹੈ)
ਸਹੀ ਡਿਫਾਲਟਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ
ਜਦੋਂ ਤੁਸੀਂ ਸੇਵਾ ਸਿਹਤ ਡੈਸ਼ਬੋਰਡ ਖੋਲ੍ਹਦੇ ਹੋ, ਇਹ ਡਿਫਾਲਟ ਤੌਰ 'ਤੇ ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ:
ਸਾਰੇ ਪ੍ਰੋਜੈਕਟ
ਪਿਛਲੇ 30 ਦਿਨ
ਘੰਟਾਵਾਰ ਰੈਜ਼ੋਲੂਸ਼ਨ
ਇਹ ਦ੍ਰਿਸ਼ ਸਿਰਫ਼ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਲਈ ਲਾਭਦਾਇਕ ਹੈ. ਅਰਥਪੂਰਨ ਸਮੱਸਿਆ ਨਿਵਾਰਣ ਲਈ ਹਮੇਸ਼ਾਂ ਫਿਲਟਰਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ.
ਜਾਂਚ ਤੋਂ ਪਹਿਲਾਂ ਫਿਲਟਰ ਕਰੋ
ਸਹੀ ਫਿਲਟਰਿੰਗ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ. ਜ਼ਿਆਦਾਤਰ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਮਾਡਲਾਂ, ਪੱਧਰਾਂ ਜਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਮਿਲਾਉਣ ਕਰਕੇ ਹੁੰਦੀਆਂ ਹਨ.
ਮਾਡਲ ਅਨੁਸਾਰ ਫਿਲਟਰ ਕਰੋ (ਇੱਕ ਸਮੇਂ ਇੱਕ)
ਹਮੇਸ਼ਾਂ ਇੱਕੋ ਮਾਡਲ ਤੱਕ ਫਿਲਟਰ ਕਰੋ.
ਕਿਉਂ:
ਘੱਟ-ਟ੍ਰੈਫਿਕ ਮਾਡਲਾਂ 'ਤੇ ਸਮੱਸਿਆਵਾਂ ਵੱਧ-ਵਾਲਿਊਮ ਟ੍ਰੈਫਿਕ ਨਾਲ ਓਹਲੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ
ਵੱਧ-ਵਾਲਿਊਮ ਮਾਡਲ ਸਥਾਨਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਗਲੋਬਲ ਜਿਹਾ ਦਿਖਾ ਸਕਦੇ ਹਨ
ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਦੇ ਕਾਰਗੁਜ਼ਾਰੀ ਟੀਚੇ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ
ਨੋਟ: ਕਈ ਮਾਡਲ ਚੁਣਨ ਨਾਲ ਉਹ ਇਕੱਠੇ ਹੋ ਜਾਂਦੇ ਹਨ—ਇਹ ਉਹਨਾਂ ਵਿਚਕਾਰ ਸਵਿੱਚ ਨਹੀਂ ਕਰਦਾ.
ਸੇਵਾ ਪੱਧਰ ਮੁਤਾਬਕ ਫਿਲਟਰ ਕਰੋ
ਜੇ ਤੁਸੀਂ ਇੱਕ ਤੋਂ ਵੱਧ ਪੱਧਰ ਵਰਤਦੇ ਹੋ—ਮਿਆਰੀ, ਫਾਸਟ ਮੋਡ (ਪਹਿਲਾਂ ਤਰਜੀਹੀ ਪ੍ਰੋਸੈਸਿੰਗ) ਜਾਂ ਪੈਮਾਨਾ ਪੱਧਰ—ਤਾਂ ਹਮੇਸ਼ਾ ਉਸੇ ਪੱਧਰ ਮੁਤਾਬਕ ਫਿਲਟਰ ਕਰੋ ਜਿਸਦੀ ਤੁਸੀਂ ਜਾਂਚ ਕਰ ਰਹੇ ਹੋ.
ਕਾਰਨ:
ਹਰੇਕ ਪੱਧਰ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵੱਖਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ
ਫਾਸਟ ਮੋਡ ਅਤੇ ਪੈਮਾਨਾ ਪੱਧਰ ਦੇ SLA ਨਿਰਧਾਰਤ ਹਨ
ਪੱਧਰਾਂ ਨੂੰ ਰਲਾਉਣ ਨਾਲ ਭੁਗਤਾਨਸ਼ੁਦਾ ਪੱਧਰ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਸਪਸ਼ਟ ਨਹੀਂ ਰਹਿੰਦੀ
ਲੇਟੈਂਸੀ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਇਹ ਖ਼ਾਸ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ.
ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਲਈ, ਫਾਸਟ ਮੋਡ ਦਾ ਟ੍ਰੈਫਿਕ ਹਾਲੇ ਵੀ ਵਰਤੋਂ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਤਰਜੀਹੀ ਵਜੋਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ.
ਪ੍ਰੋਜੈਕਟ ਅਨੁਸਾਰ ਫਿਲਟਰ ਕਰੋ
ਡਿਫਾਲਟ ਤੌਰ 'ਤੇ, ਸੇਵਾ ਸਿਹਤ ਸਾਰੇ ਪ੍ਰੋਜੈਕਟ ਦਿਖਾਉਂਦੀ ਹੈ.
ਸਮੱਸਿਆ ਨਿਵਾਰਣ ਲਈ, ਉਸ ਪ੍ਰੋਜੈਕਟ/ਪ੍ਰੋਜੈਕਟਾਂ ਤੱਕ ਫਿਲਟਰ ਕਰੋ ਜਿੱਥੇ ਸਮੱਸਿਆ ਦੇਖੀ ਗਈ ਸੀ.
ਕਿਉਂ:
ਇੱਕ ਵੱਧ-ਵਾਲਿਊਮ ਪ੍ਰੋਜੈਕਟ ਮੈਟ੍ਰਿਕਸ 'ਤੇ ਹਾਵੀ ਹੋ ਸਕਦਾ ਹੈ.
ਛੋਟੇ ਪ੍ਰਭਾਵਿਤ ਪ੍ਰੋਜੈਕਟ ਅਸੰਬੰਧਿਤ ਟ੍ਰੈਫਿਕ ਨਾਲ ਓਹਲੇ ਹੋ ਸਕਦੇ ਹਨ.
“ਸਾਰੇ ਪ੍ਰੋਜੈਕਟ” ਚੁਣਿਆ ਸਿਰਫ਼ ਤਾਂ ਹੀ ਛੱਡੋ ਜੇ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਮੱਸਿਆ ਸੱਚਮੁੱਚ ਪੂਰੇ ਸੰਗਠਨ ਵਿੱਚ ਹੈ.
ਗਲਤੀਆਂ ਦੀ ਸਮੱਸਿਆ ਨਿਵਾਰਣ
HTTP ਬੇਨਤੀਆਂ ਦ੍ਰਿਸ਼ ਵਰਤੋ
ਗਲਤੀਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ:
ਮਾਡਲ ਅਤੇ ਸੇਵਾ ਪੱਧਰ ਅਨੁਸਾਰ ਫਿਲਟਰ ਕਰੋ.
ਅਪਟਾਈਮ ਟੈਬ ਦੀ ਬਜਾਏ HTTP ਬੇਨਤੀਆਂ ਟੈਬ ਖੋਲ੍ਹੋ.
ਇਹ ਦ੍ਰਿਸ਼ HTTP ਸਥਿਤੀ ਕੋਡ ਅਨੁਸਾਰ ਕੁੱਲ ਬੇਨਤੀਆਂ ਅਤੇ ਗਲਤੀ ਗਿਣਤੀਆਂ ਦਿਖਾਉਂਦਾ ਹੈ. ਸੂਖਮ ਸਪਾਈਕ ਜਾਂ ਬਦਲਾਵ ਪਛਾਣਣ ਲਈ ਮਿੰਟ-ਪੱਧਰ ਰੈਜ਼ੋਲੂਸ਼ਨ ਤੱਕ ਜ਼ੂਮ ਕਰੋ.
ਗਿਣਤੀਆਂ ਨਹੀਂ, ਗਲਤੀ ਦਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ
ਕਿਸੇ ਵੀ ਪ੍ਰੋਡਕਸ਼ਨ ਸਿਸਟਮ ਵਿੱਚ ਕੁਝ ਗਲਤੀਆਂ ਦੀ ਉਮੀਦ ਹੁੰਦੀ ਹੈ. ਕੱਚੇ ਕੁੱਲਾਂ ਨਹੀਂ, ਗਲਤੀ ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਧਿਆਨ ਦਿਓ.
ਤੁਹਾਡਾ ਕੁੱਲ ਵਾਲਿਊਮ ਜਿੰਨਾ ਵੱਡਾ ਹੋਵੇਗਾ, ਬਹੁਤ ਘੱਟ ਗਲਤੀ ਦਰ ਹੋਣ ਦੇ ਬਾਵਜੂਦ ਸੰਭਾਵੀ ਗਲਤੀਆਂ ਦੀ ਗਿਣਤੀ ਉੱਨੀ ਵੱਡੀ ਹੋ ਸਕਦੀ ਹੈ.
ਜਦੋਂ ਸੇਵਾ ਸਿਹਤ ਤੋਂ ਗਲਤੀਆਂ ਗੁੰਮ ਹੋਣ
ਜੇ ਤੁਸੀਂ ਕਲਾਇੰਟ-ਸਾਈਡ ਗਲਤੀਆਂ ਵੇਖਦੇ ਹੋ ਪਰ ਸੇਵਾ ਸਿਹਤ ਵਿੱਚ ਸੰਬੰਧਿਤ ਡਾਟਾ ਨਹੀਂ ਹੈ:
ਬੇਨਤੀਆਂ ਸੰਭਵਤੌਰ 'ਤੇ OpenAI ਤੱਕ ਨਹੀਂ ਪਹੁੰਚੀਆਂ.
ਸਮੱਸਿਆ ਆਮ ਤੌਰ 'ਤੇ ਅੱਪਸਟ੍ਰੀਮ ਹੁੰਦੀ ਹੈ (ਟਾਈਮਆਉਟ, ਪ੍ਰਾਕਸੀ, ਨੈੱਟਵਰਕਿੰਗ).
ਇਹ ਹਮਲਾਵਰ ਕਲਾਇੰਟ-ਸਾਈਡ ਟਾਈਮਆਉਟਾਂ ਨਾਲ ਆਮ ਹੈ.
ਲੇਟੈਂਸੀ ਦੀ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨਾ
ਲੇਟੈਂਸੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਫਾਸਟ ਮੋਡ ਅਤੇ ਪੈਮਾਨਾ ਪੱਧਰ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਲਾਭਦਾਇਕ ਹੈ, ਕਿਉਂਕਿ ਇਨ੍ਹਾਂ ਦੇ SLA ਨਿਰਧਾਰਤ ਹਨ. ਮਿਆਰੀ ਪੱਧਰ ਵਿੱਚ ਲੇਟੈਂਸੀ ਦਾ ਫ਼ਰਕ ਵੱਧ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਲੇਟੈਂਸੀ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ ਹੁੰਦੀ.
ਮੁੱਖ ਮੈਟ੍ਰਿਕਸ
ਹਰ ਮੈਟ੍ਰਿਕ ਦੇਖਣ ਲਈ, ਸੰਬੰਧਿਤ ਟੈਬ 'ਤੇ ਕਲਿੱਕ ਕਰੋ:
ਟੋਕਨ ਵੇਗ: ਪ੍ਰਤੀ ਸਕਿੰਟ ਬਣਾਏ ਟੋਕਨ; ਪ੍ਰੌੰਪਟ ਆਕਾਰ ਤੋਂ ਸੁਤੰਤਰ.
ਬੇਨਤੀ ਸਮਾਂ: ਕੁੱਲ ਬੇਨਤੀ ਮਿਆਦ; ਆਉਟਪੁੱਟ ਆਕਾਰ ਅਤੇ ਰੀਜ਼ਨਿੰਗ ਨਾਲ ਬਹੁਤ ਪ੍ਰਭਾਵਿਤ.
ਪਹਿਲੇ ਟੋਕਨ ਤੱਕ ਸਮਾਂ (TTFT): ਪਹਿਲਾ ਟੋਕਨ ਬਣਨ ਤੱਕ ਦਾ ਸਮਾਂ; ਅਨਕੈਸ਼ ਕੀਤੇ ਇਨਪੁੱਟ ਪ੍ਰੌੰਪਟ ਆਕਾਰ ਅਤੇ ਰੀਜ਼ਨਿੰਗ ਨਾਲ ਬਹੁਤ ਪ੍ਰਭਾਵਿਤ.
ਹਮੇਸ਼ਾਂ P50 / P75 / P95 ਪ੍ਰਤੀਸ਼ਤਕਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰੋ. ਔਸਤ ਅਸਲ ਯੂਜ਼ਰ ਪ੍ਰਭਾਵ ਨੂੰ ਓਹਲੇ ਕਰ ਸਕਦੇ ਹਨ.
ਦੇਰੀ ਅਤੇ ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਵਿਚਕਾਰ ਸਬੰਧ ਸਮਝਣਾ
ਸੇਵਾ ਦੀ ਸਥਿਤੀ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਸੇਵਾ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਢੰਗ ਵਿੱਚ ਤਬਦੀਲੀ ਕਦੋਂ ਆਈ. ਵਰਤੋਂ ਦਾ ਡਾਟਾ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਅਜਿਹਾ ਕਿਉਂ ਹੋਇਆ.
ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਤੁਸੀਂ ਸੇਵਾ ਦੀ ਸਥਿਤੀ ਵਾਲੇ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਚੁਣੇ ਦ੍ਰਿਸ਼ ਨਾਲ ਸੰਬੰਧਿਤ ਡਾਟਾ ਦੇਖ ਰਹੇ ਹੋ, ਵਰਤੋਂ ਵਾਲੇ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਇਹ ਕਦਮ ਚੁੱਕੋ:
ਉਸੇ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਮਾਡਲ ਲਈ ਫਿਲਟਰ ਕਰੋ.
ਜੇ ਲਾਗੂ ਹੋਵੇ, ਤਾਂ ਸੇਵਾ ਪੱਧਰ ਅਨੁਸਾਰ ਗਰੁੱਪ ਬਣਾਓ.
ਆਉਟਪੁੱਟ ਟੋਕਨਾਂ 'ਤੇ ਧਿਆਨ ਦਿਓ, ਕਿਉਂਕਿ ਦੇਰੀ 'ਤੇ ਇਨ੍ਹਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਅਸਰ ਪੈਂਦਾ ਹੈ.
ਹੋਰ ਡੂੰਘੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ, ਗਤੀਵਿਧੀ ਡਾਟਾ ਨਿਰਯਾਤ ਕਰੋ ਅਤੇ ਜਾਂਚੋ ਕਿ ਸਮੇਂ ਦੇ ਨਾਲ ਪ੍ਰਤੀ ਬੇਨਤੀ ਟੋਕਨਾਂ ਦੀ ਗਿਣਤੀ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ.
ਸਹਾਇਤਾ ਟੀਮ ਨਾਲ ਕੀ ਸਾਂਝਾ ਕਰਨਾ ਹੈ (ਜੇ ਲੋੜ ਪਵੇ)
ਜੇ ਤੁਸੀਂ ਸਹਾਇਤਾ ਟੀਮ ਨਾਲ ਸੰਪਰਕ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਜਾਣਕਾਰੀ ਦਿਓ:
ਪ੍ਰਭਾਵਿਤ ਸੰਸਥਾਵਾਂ ਦੀਆਂ ਆਈਡੀਆਂ (ਮਹੱਤਵਪੂਰਨ)
ਪ੍ਰਭਾਵਿਤ ਐਂਡਪੁਆਇੰਟ, ਜਿਵੇਂ ਕਿ Chat Completions ਜਾਂ Responses (ਮਹੱਤਵਪੂਰਨ)
ਪ੍ਰਭਾਵਿਤ ਮਾਡਲ (ਮਹੱਤਵਪੂਰਨ)
ਕੀ ਇਹ ਫਾਸਟ ਮੋਡ ਜਾਂ ਪੈਮਾਨਾ ਪੱਧਰ 'ਤੇ ਹੋ ਰਿਹਾ ਹੈ (ਮਹੱਤਵਪੂਰਨ)
ਦੇਰੀ ਜਾਂ ਗਲਤੀਆਂ ਹੋਣ ਦੇ ਸਮੇਂ ਦੀਆਂ ਹੱਦਾਂ, ਸਮਾਂ ਖੇਤਰ ਸਮੇਤ (ਮਹੱਤਵਪੂਰਨ)
ਸੰਬੰਧਿਤ x-request-id ਜਾਂ X-Client-Request-Id, ਜੇ ਉਪਲਬਧ ਹੋਵੇ
ਤੁਹਾਡੇ ਵੱਲੋਂ ਦਿੱਤੀਆਂ ਬੇਨਤੀਆਂ ਦੇ ਟਾਈਮਸਟੈਂਪ, ਸਮਾਂ ਖੇਤਰ ਸਮੇਤ, ਜਾਂ ਘੱਟੋ-ਘੱਟ ਤਾਰੀਖ਼
ਜੇ ਉਪਲਬਧ ਹੋਵੇ, ਤਾਂ ਇਹ ਵੀ ਸ਼ਾਮਲ ਕਰੋ:
ਬੇਨਤੀਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਪ੍ਰੋਜੈਕਟ ਆਈਡੀ
ਕੀ ਡਾਟਾ ਰੈਜ਼ਿਡੈਂਸੀ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ ਪ੍ਰਭਾਵਿਤ ਹਨ, ਅਤੇ ਜੇ ਹਨ ਤਾਂ ਕਿਹੜੀਆਂ
ਤੁਹਾਨੂੰ ਦਿਖਾਈ ਦੇ ਰਹੇ ਰੁਝਾਨਾਂ ਦਾ ਵੇਰਵਾ
ਸਮੱਸਿਆ ਦੀ ਕਿਸਮ ਅਨੁਸਾਰ ਇਹ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਕਰੋ:
ਗਲਤੀਆਂ: ਅਸਫਲ ਹੋ ਰਹੀਆਂ ਜਾਂ ਗਲਤੀ ਦੇ ਰਹੀਆਂ ਬੇਨਤੀਆਂ ਦੀ ਅੰਦਾਜ਼ਨ ਪ੍ਰਤੀਸ਼ਤਤਾ, ਜਵਾਬ ਦੇ ਕੋਡ, ਗਲਤੀ ਸੁਨੇਹੇ, ਅਤੇ ਗਲਤੀ ਵਾਲਾ ਜਵਾਬ ਮਿਲਣ ਵਿੱਚ ਲੱਗਿਆ ਸਮਾਂ.
ਦੇਰੀ: ਕਿਹੜੇ ਪਰਸੈਂਟਾਈਲ ਪ੍ਰਭਾਵਿਤ ਹਨ (P50 / P90 / P95 / P99), ਉਹ ਗਾਹਕ ਦੇ ਆਮ ਪੱਧਰ ਤੋਂ ਕਿੰਨੇ ਵੱਧ ਹਨ, ਅਤੇ ਹੌਲੀ ਚੱਲਣ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ, ਭੇਜਣ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਟਾਈਮਸਟੈਂਪਾਂ ਸਮੇਤ.
ਦੋਵੇਂ: ਗਲਤੀਆਂ ਜਾਂ ਦੇਰੀ ਦੇ ਡਾਟਾ ਦੇ ਸਕ੍ਰੀਨਸ਼ਾਟ ਜਾਂ ਸਾਰਣੀ, ਅਤੇ ਇਹ ਵੀ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ ਨਿਰਧਾਰਤ ਕੀਤਾ ਕਿ ਗਲਤੀਆਂ ਦੀ ਦਰ ਜਾਂ ਦੇਰੀ ਉਮੀਦ ਨਾਲੋਂ ਵੱਧ ਸੀ.
ਆਮ ਸਮੱਸਿਆ ਨਿਵਾਰਣ ਸਥਿਤੀਆਂ
ਟਾਈਮਆਉਟ ਹੁੰਦੇ ਹਨ ਪਰ ਸੇਵਾ ਸਿਹਤ ਆਮ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ
ਸੰਭਾਵੀ ਕਾਰਨ: ਬੇਨਤੀਆਂ OpenAI ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਟਾਈਮਆਉਟ ਹੋ ਰਹੀਆਂ ਹਨ.
ਜਾਂਚੋ:
ਕਲਾਇੰਟ ਜਾਂ ਪ੍ਰਾਕਸੀ ਟਾਈਮਆਉਟ ਸੈਟਿੰਗਾਂ
ਸਥਾਨਕ ਨੈੱਟਵਰਕ ਜਾਂ ਲੋਡ ਬੈਲੈਂਸਰ ਬਦਲਾਵ
ਸੇਵਾ ਸਿਹਤ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ 499 ਗਲਤੀਆਂ ਦੀ ਮੌਜੂਦਗੀ (ਇਹ ਤੁਹਾਡੇ ਆਪਣੇ ਸਿਸਟਮਾਂ ਵਿੱਚ 5xx ਗਲਤੀਆਂ ਵਜੋਂ ਦਿਖ ਸਕਦੀਆਂ ਹਨ).
ਡਿਪਲੌਇਮੈਂਟ ਬਿਨਾਂ ਲੇਟੈਂਸੀ ਵਧੀ
ਸੰਭਾਵੀ ਕਾਰਨ: ਆਉਟਪੁੱਟ ਟੋਕਨ ਆਕਾਰ ਜਾਂ ਰੀਜ਼ਨਿੰਗ ਵਰਤੋਂ ਵਧ ਗਈ ਅਤੇ/ਜਾਂ ਟ੍ਰੈਫਿਕ ਸੇਵਾ ਪੱਧਰਾਂ ਵਿਚਕਾਰ ਤਬਦੀਲ ਹੋਇਆ.
ਜਾਂਚੋ:
ਵਰਤੋਂ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਪ੍ਰਤੀ ਬੇਨਤੀ ਔਸਤ ਆਉਟਪੁੱਟ ਟੋਕਨ (ਡਾਟਾ ਡਾਊਨਲੋਡ ਕਰਕੇ ਅਤੇ ਆਉਟਪੁੱਟ ਟੋਕਨਾਂ ਨੂੰ ਕੁੱਲ ਬੇਨਤੀਆਂ ਨਾਲ ਵੰਡ ਕੇ ਲੋੜੀਂਦਾ ਹੈ).
ਸੇਵਾ ਸਿਹਤ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਬੇਨਤੀ ਸਮਾਂ ਅਤੇ TTFT ਪ੍ਰਤੀਸ਼ਤਕ.
ਫਾਸਟ ਮੋਡ ਜਾਂ ਪੈਮਾਨਾ ਪੱਧਰ ਹੌਲਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
ਸੰਭਾਵਿਤ ਕਾਰਨ: ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਦੇ ਮਾਪਦੰਡ ਰਲੇ ਹੋਏ ਹਨ, ਜਿਸ ਕਰਕੇ ਮਿਆਰੀ ਪੱਧਰ ਦਾ ਟ੍ਰੈਫਿਕ ਭੁਗਤਾਨਸ਼ੁਦਾ ਪੱਧਰ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਲੁਕਾ ਰਿਹਾ ਹੈ.
ਜਾਂਚ ਕਰੋ:
ਫਿਲਟਰ ਸਿਰਫ਼ ਇੱਕ ਪੱਧਰ ਅਤੇ ਮਾਡਲ ਤੱਕ ਸੀਮਤ ਹਨ.
ਪੱਧਰਾਂ ਵਿਚਕਾਰ ਟੋਕਨ ਗਤੀ ਦੀ ਤੁਲਨਾ.
5XX ਗਲਤੀਆਂ ਵਿੱਚ ਅਚਾਨਕ ਵਾਧਾ
ਸੰਭਾਵੀ ਕਾਰਨ: ਟ੍ਰੈਫਿਕ ਦੇ ਛੋਟੇ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਅਸਥਾਈ ਅਸਫਲਤਾਵਾਂ.
ਜਾਂਚੋ:
ਗਲਤੀ ਦਰ ਦਾ ਪ੍ਰਤੀਸ਼ਤ
ਕੀ ਉਸੇ ਸਮੇਂ ਟ੍ਰੈਫਿਕ ਵਾਲਿਊਮ ਬਦਲਿਆ ਸੀ
ਸਮੱਸਿਆ ਸਿਰਫ਼ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ
ਸੰਭਾਵੀ ਕਾਰਨ: ਪ੍ਰੋਜੈਕਟ-ਖਾਸ ਕੌਂਫਿਗਰੇਸ਼ਨ ਜਾਂ ਵਰਤੋਂ ਪੈਟਰਨ.
ਜਾਂਚੋ:
ਪ੍ਰੋਜੈਕਟ-ਪੱਧਰ ਫਿਲਟਰਿੰਗ
ਅਪ੍ਰਭਾਵਿਤ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਤੁਲਨਾ
ਅੰਤਿਮ ਨਤੀਜੇ
ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਜਿੱਥੇ ਲਾਗੂ ਹੋਵੇ, ਮਾਡਲ, ਪੱਧਰ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਅਨੁਸਾਰ ਫਿਲਟਰ ਕਰੋ.
ਲੇਟੈਂਸੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਔਸਤਾਂ ਨਹੀਂ, ਪ੍ਰਤੀਸ਼ਤਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ.
ਛੋਟੀਆਂ ਗਲਤੀ ਦਰਾਂ ਉਮੀਦ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ.
ਗੁੰਮ ਡਾਟਾ ਆਮ ਤੌਰ 'ਤੇ ਅੱਪਸਟ੍ਰੀਮ ਸਮੱਸਿਆਵਾਂ ਦਰਸਾਉਂਦਾ ਹੈ.
ਵਰਤੋਂ ਡਾਟਾ ਇਹ ਸਮਝਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਲੇਟੈਂਸੀ ਕਿਉਂ ਬਦਲੀ; ਸੇਵਾ ਸਿਹਤ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਵਿਵਹਾਰ ਕਦੋਂ ਬਦਲਿਆ.