Nous ne mettons plus à jour le service Amazon Machine Learning et n'acceptons plus de nouveaux utilisateurs pour celui-ci. Cette documentation est disponible pour les utilisateurs existants, mais nous ne la mettons plus à jour. Pour plus d'informations, consultez [Qu'est-ce qu'Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html) ? Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Création d'une source de données Amazon ML à partir des données d'Amazon Redshift Si vous avez des données stockées dans Amazon Redshift, vous pouvez utiliser l'assistant **Create Datasource** de la console Amazon Machine Learning (Amazon ML) pour créer un objet de source de données. Lorsque vous créez une source de données à partir des données Amazon Redshift, vous spécifiez le cluster qui contient vos données et la requête SQL permettant de récupérer vos données. Amazon ML exécute la requête en appelant la commande Amazon `Unload` Redshift sur le cluster. Amazon ML stocke les résultats dans l'emplacement Amazon Simple Storage Service (Amazon S3) de votre choix, puis utilise les données stockées dans Amazon S3 pour créer la source de données. La source de données, le cluster Amazon Redshift et le compartiment S3 doivent tous se trouver dans la même région. **Note** Amazon ML ne prend pas en charge la création de sources de données à partir de clusters Amazon Redshift en privé. VPCs Le cluster doit avoir une adresse IP publique. **Topics** + [ # Paramètres obligatoires pour l'assistant de création de sources de données ](redshift-parameters.md) + [ # Création d'une source de données avec Amazon Redshift Data (console) ](create-datasource-from-redshift-procedure.md) + [ # Résolution des problèmes liés à Amazon Redshift ](troubleshooting.md) # Paramètres obligatoires pour l'assistant de création de sources de données Pour permettre à Amazon ML de se connecter à votre base de données Amazon Redshift et de lire les données en votre nom, vous devez fournir les informations suivantes : + L'Amazon Redshift `ClusterIdentifier` + Le nom de la base de données Amazon Redshift + Les informations d'identification de la base de données Amazon Redshift (nom d'utilisateur et mot de passe) + Le rôle Amazon ML Amazon Redshift Gestion des identités et des accès AWS (IAM) + La requête SQL Amazon Redshift + (Facultatif) L'emplacement du schéma Amazon ML + L'emplacement intermédiaire d'Amazon S3 (où Amazon ML place les données avant de créer la source de données) En outre, vous devez vous assurer que les utilisateurs ou les rôles IAM qui créent les sources de données Amazon Redshift (que ce soit par le biais de la console ou de l'action) disposent de `CreateDatasourceFromRedshift` l'autorisation. `iam:PassRole` **Amazon Redshift `ClusterIdentifier`** Utilisez ce paramètre distinguant majuscules et minuscules pour permettre à Amazon ML de trouver votre cluster et de s'y connecter. Vous pouvez obtenir l'identifiant du cluster (nom) sur la console Amazon Redshift. Pour plus d'informations sur les clusters, consultez [Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-clusters.html) Clusters. **Nom de la base de données Amazon Redshift** Utilisez ce paramètre pour indiquer à Amazon ML quelle base de données du cluster Amazon Redshift contient les données que vous souhaitez utiliser comme source de données. **Informations d'identification de la base de données Amazon Redshift** Utilisez ces paramètres pour spécifier le nom d'utilisateur et le mot de passe de l'utilisateur de base de données Amazon Redshift dans le contexte duquel la requête de sécurité sera exécutée. Amazon ML a besoin d'un nom d'utilisateur et d'un mot de passe Amazon Redshift pour se connecter à votre base de données Amazon Redshift. Une fois les données déchargées sur Amazon S3, Amazon ML ne réutilise jamais votre mot de passe et ne le stocke jamais. **Amazon ML (rôle Amazon Redshift)** Utilisez ce paramètre pour spécifier le nom du rôle IAM qu'Amazon ML doit utiliser pour configurer les groupes de sécurité pour le cluster Amazon Redshift et la politique de compartiment pour le site de transit Amazon S3. Si vous ne disposez pas d'un rôle IAM pouvant accéder à Amazon Redshift, Amazon ML peut créer un rôle pour vous. Lorsqu'Amazon ML crée un rôle, il crée et associe une politique gérée par le client à un rôle IAM. La politique créée par Amazon ML accorde à Amazon ML l'autorisation d'accéder uniquement au cluster que vous spécifiez. Si vous disposez déjà d'un rôle IAM pour accéder à Amazon Redshift, vous pouvez saisir l'ARN du rôle ou choisir le rôle dans la liste déroulante. Les rôles IAM avec accès à Amazon Redshift sont répertoriés en haut de la liste déroulante. Le rôle IAM doit avoir le contenu suivant : **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "machinelearning.amazonaws.com" }, "Action": "sts:AssumeRole", "Condition": { "StringEquals": { "aws:SourceAccount": "123456789012" }, "ArnLike": { "aws:SourceArn": "arn:aws:machinelearning:us-east-1:123456789012:datasource/*" } } }] } ``` Pour plus d'informations sur les politiques gérées par le client, consultez la section [Politiques gérées par le client](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_managed-vs-inline.html#customer-managed-policies) dans le *guide de l'utilisateur IAM*. **Requête SQL Amazon Redshift** Utilisez ce paramètre pour spécifier la requête SQL SELECT qu'Amazon ML exécute sur votre base de données Amazon Redshift afin de sélectionner vos données. Amazon ML utilise l'action Amazon Redshift [UNLOAD](https://docs.aws.amazon.com/redshift/latest/dg/t_Unloading_tables.html) pour copier en toute sécurité les résultats de votre requête vers un emplacement Amazon S3. Amazon ML fonctionne mieux lorsque les enregistrements d'entrée sont classés dans un ordre aléatoire (mélangés). **Vous pouvez facilement mélanger les résultats de votre requête SQL Amazon Redshift à l'aide de la fonction Amazon Redshift random ().** Par exemple, supposons que la requête d'origine est : ``` "SELECT col1, col2, … FROM training_table" ``` Vous pouvez intégrer une réorganisation aléatoire en mettant à jour la requête comme ceci : ``` "SELECT col1, col2, … FROM training_table ORDER BY random()" ``` **Emplacement du schéma (facultatif) ** Utilisez ce paramètre pour spécifier le chemin Amazon S3 vers votre schéma pour les données Amazon Redshift qu'Amazon ML exportera. Si vous ne fournissez pas de schéma pour votre source de données, la console Amazon ML crée automatiquement un schéma Amazon ML basé sur le schéma de données de la requête SQL Amazon Redshift. Les schémas Amazon ML contiennent moins de types de données que les schémas Amazon Redshift. Il ne s'agit donc pas d'une conversion. one-to-one La console Amazon ML convertit les types de données Amazon Redshift en types de données Amazon ML en utilisant le schéma de conversion suivant. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/redshift-parameters.html) Pour être converties en types de `Binary` données Amazon ML, les valeurs des booléens Amazon Redshift présentes dans vos données doivent être compatibles avec les valeurs binaires Amazon ML. Si votre type de données booléen comporte des valeurs non prises en charge, Amazon ML les convertit dans le type de données le plus spécifique possible. Par exemple, si un booléen Amazon Redshift contient les valeurs`0`, `1` et qu'`2`Amazon ML convertit le booléen en type de données. `Numeric` Pour plus d'informations sur les valeurs binaires prises en charge, consultez [Utilisation du AttributeType terrain](creating-a-data-schema-for-amazon-ml.md#assigning-data-types). Si Amazon ML ne parvient pas à identifier un type de données, sa valeur par défaut est. `Text` Une fois qu'Amazon ML a converti le schéma, vous pouvez consulter et corriger les types de données Amazon ML attribués dans l'assistant de création de source de données, et réviser le schéma avant qu'Amazon ML ne crée la source de données. **Emplacement de transit d'Amazon S3** Utilisez ce paramètre pour spécifier le nom de l'emplacement intermédiaire Amazon S3 où Amazon ML stocke les résultats de la requête SQL Amazon Redshift. Après avoir créé la source de données, Amazon ML utilise les données sur le site de transit au lieu de les renvoyer vers Amazon Redshift. Amazon ML assumant le rôle IAM défini par le rôle Amazon Redshift d'Amazon ML, Amazon ML est autorisé à accéder à tous les objets se trouvant dans l'emplacement de transit Amazon S3 spécifié. C'est pourquoi nous vous recommandons de ne stocker que les fichiers ne contenant pas d'informations sensibles dans l'emplacement intermédiaire Amazon S3. Par exemple, si votre compartiment racine l'est`s3://mybucket/`, nous vous suggérons de créer un emplacement pour stocker uniquement les fichiers auxquels vous souhaitez qu'Amazon ML accède, tels que`s3://mybucket/AmazonMLInput/`. # Création d'une source de données avec Amazon Redshift Data (console) La console Amazon ML propose deux méthodes pour créer une source de données à l'aide des données Amazon Redshift. Vous pouvez créer une source de données en suivant l'assistant de création de source de données ou, si vous avez déjà créé une source de données à partir des données Amazon Redshift, vous pouvez copier la source de données d'origine et modifier ses paramètres. La copie d'une source de données vous permet de facilement créer plusieurs sources de données similaires. Pour plus d'informations sur la création d'une source de données à l'aide de l'API, consultez [CreateDataSourceFromRedshift](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromRedshift.html). Pour plus d'informations sur les paramètres utilisés dans les procédures suivantes, consultez [Paramètres obligatoires pour l'assistant de création de sources de données](redshift-parameters.md). **Topics** + [ ## Création d'une source de données (console) ](#create-redshift-datasource) + [ ## Copie d'une source de données (console) ](#copy-redshift-datasource) ## Création d'une source de données (console) Pour décharger des données d'Amazon Redshift vers une source de données Amazon ML, utilisez l'assistant de création de source de données. **Pour créer une source de données à partir de données dans Amazon Redshift** 1. Ouvrez la console Amazon Machine Learning à l'adresse [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/). 1. Sur le tableau de bord Amazon ML, sous **Entités**, choisissez **Create new...** , puis choisissez **Datasource**. 1. Sur la page **des données d'entrée**, sélectionnez **Amazon Redshift**. 1. Dans l'assistant de création de sources de données, pour **Cluster identifier**, tapez le nom de votre cluster. 1. Dans **Nom de la base** de données, saisissez le nom de la base de données Amazon Redshift. 1. Pour **Database user name**, tapez votre nom d'utilisateur de base de données. 1. Pour **Database password**, tapez votre mot de passe de base de données. 1. Pour **Rôle IAM**, choisissez votre rôle IAM. Si vous n'en avez pas déjà un, choisissez **Créer un nouveau rôle**. Amazon ML crée un rôle IAM Amazon Redshift pour vous. 1. Pour tester vos paramètres Amazon Redshift, choisissez **Test Access (à** côté du rôle **IAM**). Si Amazon ML ne parvient pas à se connecter à Amazon Redshift avec les paramètres fournis, vous ne pouvez pas continuer à créer une source de données. Pour bénéficier d'une aide à la résolution des problèmes, consultez [Dépannage des erreurs](troubleshooting.md#trouble-errors). 1. Pour **SQL query**, tapez votre requête SQL. 1. Pour l'**emplacement du schéma**, indiquez si vous souhaitez qu'Amazon ML crée un schéma pour vous. Si vous avez créé un schéma vous-même, saisissez le chemin Amazon S3 vers votre fichier de schéma. 1. Pour l'**emplacement intermédiaire d'Amazon S3**, saisissez le chemin Amazon S3 vers le compartiment dans lequel vous souhaitez qu'Amazon ML place les données qu'il décharge depuis Amazon Redshift. 1. (Facultatif) Pour **Datasource name**, tapez un nom pour votre source de données. 1. Choisissez **Vérifier**. Amazon ML vérifie qu'il peut se connecter à votre base de données Amazon Redshift. 1. Dans la page **Schema**, passez en revue les types de données pour tous les attributs et corrigez-les, si nécessaire. 1. Sélectionnez **Continuer**. 1. Si vous voulez utiliser cette source de données pour créer ou évaluer un modèle d'apprentissage-machine, pour **Do you plan to use this dataset to create or evaluate an ML model?**, choisissez **Yes**. Si vous choisissez **Yes**, choisissez votre ligne cible. Pour en savoir plus sur les cibles, consultez [Utilisation du targetAttributeName terrain](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field). Si vous voulez utiliser cette source de données avec un modèle que vous avez déjà créé, afin de créer des prédictions, choisissez **No**. 1. Sélectionnez **Continuer**. 1. Pour **Does your data contain an identifier ?**, si vos données ne contiennent pas d'identifiant de ligne, choisissez **No**. Si vos données contiennent un identifiant de ligne, choisissez **Yes**. Pour obtenir des informations sur les identifiants de ligne, consultez [Utilisation du champ rowID](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field). 1. Choisissez **Examiner**. 1. Dans la page **Révision**, passez en revue vos paramètres, puis choisissez **Terminer**. Une fois que vous avez créé une source de données, vous pouvez l'utiliser pour [create an ML model](creating-ml-model-on-the-amazon-ml-console.md). Si vous avez déjà créé un modèle, vous pouvez utiliser la source de données pour [evaluate an ML model](evaluating_models.md) ou [generate predictions](interpreting_predictions.md). ## Copie d'une source de données (console) Lorsque vous souhaitez créer une source de données similaire à une source de données existante, vous pouvez utiliser la console Amazon ML pour copier la source de données d'origine et modifier ses paramètres. Par exemple, vous pouvez choisir de commencer par une source de données existante, puis de modifier le schéma de données pour qu'il corresponde mieux à vos données, de modifier la requête SQL utilisée pour décharger les données d'Amazon Redshift ou de spécifier un Gestion des identités et des accès AWS autre utilisateur (IAM) pour accéder au cluster Amazon Redshift. **Pour copier et modifier une source de données Amazon Redshift** 1. Ouvrez la console Amazon Machine Learning à l'adresse [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/). 1. Sur le tableau de bord Amazon ML, sous **Entités**, choisissez **Create new...** , puis choisissez **Datasource**. 1. Sur la page **Données d'entrée**, pour **Où sont vos données ?** , choisissez **Amazon Redshift**. Si vous avez déjà créé une source de données à partir des données Amazon Redshift, vous avez la possibilité de copier les paramètres d'une autre source de données. ![\[Amazon S3 and Amazon Redshift icons with option to copy settings from existing datasource.\]](http://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/images/infobar.png) Si vous n'avez pas encore créé de source de données à partir des données Amazon Redshift, cette option n'apparaît pas. 1. Choisissez **Find a datasource**. 1. Sélectionnez la source de données que vous souhaitez copier, puis choisissez **Copier les paramètres.** Amazon ML remplit automatiquement la plupart des paramètres de la source de données avec les paramètres de la source de données d'origine. Il ne copie pas le mot de passe de la base de données, l'emplacement du schéma ni le nom de la source de données à partir de la source de données d'origine. 1. Modifiez tous les paramètres renseignés automatiquement que vous souhaitez. Par exemple, si vous souhaitez modifier les données déchargées par Amazon ML depuis Amazon Redshift, modifiez la requête SQL. 1. Pour **Database password**, tapez votre mot de passe de base de données. Amazon ML ne stocke ni ne réutilise votre mot de passe. Vous devez donc toujours le fournir. 1. (Facultatif) Pour l'**emplacement du schéma**, Amazon ML présélectionne **Je veux qu'Amazon ML génère un schéma recommandé** pour vous. Si vous avez déjà créé un schéma, choisissez **Je souhaite utiliser le schéma que j'ai créé et stocké dans Amazon S3** et saisissez le chemin d'accès à votre fichier de schéma dans Amazon S3. 1. (Facultatif) Pour **Datasource name**, tapez un nom pour votre source de données. Dans le cas contraire, Amazon ML génère un nouveau nom de source de données pour vous. 1. Choisissez **Vérifier**. Amazon ML vérifie qu'il peut se connecter à votre base de données Amazon Redshift. 1. (Facultatif) Si Amazon ML a déduit le schéma pour vous, sur la page **Schéma**, passez en revue les types de données pour tous les attributs et corrigez-les si nécessaire. 1. Sélectionnez **Continuer**. 1. Si vous voulez utiliser cette source de données pour créer ou évaluer un modèle d'apprentissage-machine, pour **Do you plan to use this dataset to create or evaluate an ML model?**, choisissez **Yes**. Si vous choisissez **Yes**, choisissez votre ligne cible. Pour en savoir plus sur les cibles, consultez [Utilisation du targetAttributeName terrain](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field). Si vous voulez utiliser cette source de données avec un modèle que vous avez déjà créé, afin de créer des prédictions, choisissez **No**. 1. Sélectionnez **Continuer**. 1. Pour **Does your data contain an identifier ?**, si vos données ne contiennent pas d'identifiant de ligne, choisissez **No**. Si vos données contiennent un identifiant de ligne, choisissez **Oui** et sélectionnez la ligne que vous souhaitez utiliser comme identifiant. Pour obtenir des informations sur les identifiants de ligne, consultez [Utilisation du champ rowID](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field). 1. Choisissez **Examiner**. 1. Passez en revue vos paramètres, puis choisissez **Terminer**. Une fois que vous avez créé une source de données, vous pouvez l'utiliser pour [create an ML model](creating-ml-model-on-the-amazon-ml-console.md). Si vous avez déjà créé un modèle, vous pouvez utiliser la source de données pour [evaluate an ML model](evaluating_models.md) ou [generate predictions](interpreting_predictions.md). # Résolution des problèmes liés à Amazon Redshift Lorsque vous créez votre source de données Amazon Redshift, vos modèles de machine learning et votre évaluation, Amazon Machine Learning (Amazon ML) indique le statut de vos objets Amazon ML dans la console Amazon ML. Si Amazon ML renvoie des messages d'erreur, utilisez les informations et ressources suivantes pour résoudre les problèmes. Pour obtenir des réponses aux questions générales concernant Amazon ML, consultez le [site Amazon Machine Learning FAQs](https://aws.amazon.com/machine-learning/faqs/). Vous pouvez également rechercher des réponses et publier des questions [sur le forum Amazon Machine Learning](https://forums.aws.amazon.com/forum.jspa?forumID=194). **Topics** + [ ## Dépannage des erreurs ](#trouble-errors) + [ ## Contacter AWS Support ](#contacting-support) ## Dépannage des erreurs ### Le format du rôle n'est pas valide. Fournissez un rôle IAM valide. Par exemple, arn:aws:iam : : ID:Role/. YourAccount YourRedshiftRole **Cause** Le format de l'Amazon Resource Name (ARN) de votre rôle IAM est incorrect. **Solution** Dans l'assistant de création de sources de données, corrigez l'ARN de votre rôle. Pour plus d'informations sur le rôle de formatage ARNs, voir [IAM ARNs](https://docs.aws.amazon.com/IAM/latest/UserGuide/reference_identifiers.html#identifiers-arns) dans le guide de l'*utilisateur d'IAM*. La région est facultative pour le rôle ARNs IAM. ### Le rôle n'est pas valide. Amazon ML ne peut pas assumer le rôle IAM. Fournissez un rôle IAM valide et rendez-le accessible à Amazon ML. **Cause** Votre rôle n'est pas configuré pour permettre à Amazon ML de l'assumer. **Solution** Dans la [console IAM](https://console.aws.amazon.com/iam/), modifiez votre rôle afin qu'il dispose d'une politique de confiance permettant à Amazon ML d'assumer le rôle qui lui est associé. ### Cet utilisateur < ARN d'utilisateur> n'est pas autorisé à fournir le rôle IAM . **Cause** Votre utilisateur IAM ne dispose d'aucune politique d'autorisation lui permettant de transmettre un rôle à Amazon ML. **Solution** Associez une politique d'autorisation à votre utilisateur IAM qui vous permet de transmettre des rôles à Amazon ML. Vous pouvez attacher une stratégie d'autorisations à votre utilisateur IAM dans la [console IAM](https://console.aws.amazon.com/iam/). ### La transmission d'un rôle IAM entre des comptes n'est pas autorisée. Le rôle IAM doit appartenir à ce compte. **Cause** Vous ne pouvez pas transmettre un rôle qui appartient à un autre compte IAM. **Solution** Connectez-vous au compte AWS que vous avez utilisé pour créer le rôle. Vous pouvez voir vos rôles IAM dans votre [console IAM](https://console.aws.amazon.com/iam/). ### Le rôle spécifié n'a pas les autorisations nécessaires pour effectuer cette opération. Fournissez un rôle doté d'une politique qui fournit à Amazon ML les autorisations requises. **Cause** Votre rôle IAM n'a pas les autorisations nécessaires pour effectuer l'opération demandée. **Solution** Modifiez la stratégie d'autorisation attachée à votre rôle dans la [console IAM](https://console.aws.amazon.com/iam/) pour fournir les autorisations requises. ### Amazon ML ne peut pas configurer de groupe de sécurité sur ce cluster Amazon Redshift avec le rôle IAM spécifié. **Cause** Votre rôle IAM ne dispose pas des autorisations requises pour configurer un cluster de sécurité Amazon Redshift. **Solution** Modifiez la stratégie d'autorisation attachée à votre rôle dans la [console IAM](https://console.aws.amazon.com/iam/) pour fournir les autorisations requises. ### Une erreur s'est produite lorsqu'Amazon ML a tenté de configurer un groupe de sécurité sur votre cluster. Réessayez ultérieurement. **Cause** Lorsqu'Amazon ML a essayé de se connecter à votre cluster Amazon Redshift, il a rencontré un problème. **Solution** Vérifiez que le rôle IAM que vous avez fourni dans l'assistant de création de sources de données possède toutes les autorisations requises. ### Le format de l'ID du cluster n'est pas valide. IDs Le cluster doit commencer par une lettre et ne doit contenir que des caractères alphanumériques et des traits d'union. Ils ne peuvent pas contenir deux traits d'union consécutifs ou se terminer par un trait d'union. **Cause** Le format de votre identifiant de cluster Amazon Redshift est incorrect. **Solution** Dans l'assistant de création de sources de données, corrigez votre ID de cluster pour qu'il contienne uniquement des caractères alphanumériques et des tirets, et qu'il ne contienne pas deux traits d'union consécutifs ni ne se termine par un trait d'union. ### Il n'existe aucun cluster, ou le cluster ne se trouve pas dans la même région que votre service Amazon ML. Spécifiez un cluster dans la même région que cet Amazon ML. **Cause** Amazon ML ne trouve pas votre cluster Amazon Redshift car il ne se trouve pas dans la région où vous créez une source de données Amazon ML. **Solution** Vérifiez que votre cluster existe sur la page [Clusters](https://console.aws.amazon.com/redshift/home) de la console Amazon Redshift, que vous créez une source de données dans la même région que celle où se trouve votre cluster Amazon Redshift et que l'ID de cluster spécifié dans l'assistant de création de source de données est correct. ### Amazon ML ne peut pas lire les données de votre cluster Amazon Redshift. Fournissez l'ID de cluster Amazon Redshift correct. **Cause** Amazon ML ne peut pas lire les données du cluster Amazon Redshift que vous avez spécifié. **Solution** [Dans l'assistant de création de source de données, spécifiez l'ID de cluster Amazon Redshift correct, vérifiez que vous créez une source de données dans la même région que votre cluster Amazon Redshift et que votre cluster est répertorié sur la page Amazon Redshift Clusters.](https://console.aws.amazon.com/redshift/home) ### Le cluster n'est pas accessible au public. **Cause** Amazon ML ne peut pas accéder à votre cluster car celui-ci n'est pas accessible au public et ne possède pas d'adresse IP publique. **Solution** Rendez le cluster publiquement accessible et attribuez-lui une adresse IP publique. Pour plus d'informations sur la façon de rendre les clusters accessibles au public, consultez la section [Modification d'un cluster](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#modify-cluster) dans le *guide de gestion Amazon Redshift*. ### L'état du cluster n'est pas disponible pour Amazon ML. Utilisez la console Amazon Redshift pour visualiser et résoudre ce problème d'état du cluster. L'état du cluster doit être « disponible ». **Cause** Amazon ML ne peut pas voir l'état du cluster. **Solution** Assurez-vous que votre cluster est disponible. Pour plus d'informations sur la vérification de l'état de votre cluster, consultez [Getting an Overview of Cluster Status](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#status-cluster) dans le *guide de gestion Amazon Redshift*. *Pour plus d'informations sur le redémarrage du cluster afin qu'il soit disponible, consultez la section [Redémarrage d'un cluster dans le guide de gestion](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#reboot-cluster) Amazon Redshift.* ### Il n'y a pas de base de données dans ce cluster. Vérifiez que le nom de la base de données est correct ou spécifiez un autre cluster ou une autre base de données. **Cause** Amazon ML ne trouve pas la base de données spécifiée dans le cluster spécifié. **Solution** Vérifiez que le nom de base de données saisi dans l'assistant de création de sources de données est correct, ou spécifiez les noms corrects de cluster et de base de données. ### Amazon ML n'a pas pu accéder à votre base de données. Fournissez un mot de passe valide pour l'utilisateur de base de données . **Cause** Le mot de passe que vous avez fourni dans l'assistant de création de source de données pour autoriser Amazon ML à accéder à votre base de données Amazon Redshift est incorrect. **Solution** Entrez le mot de passe correct pour l'utilisateur de votre base de données Amazon Redshift. ### Une erreur s'est produite lorsqu'Amazon ML a tenté de valider la requête. **Cause** Il y a un problème avec votre requête SQL. **Solution** Vérifiez que votre requête est une requête SQL valide. ### Une erreur s'est produite lors de l'exécution de votre requête SQL. Vérifiez le nom de base de données et la requête fournie. Cause racine : \$1serverMessage\$1. **Cause** Amazon Redshift n'a pas pu exécuter votre requête. **Solution** Vérifiez que vous avez spécifié le nom de base de données correct dans l'assistant de création de sources de données, et que votre requête est une requête SQL valide. ### Une erreur s'est produite lors de l'exécution de votre requête SQL. Cause racine : \$1serverMessage\$1. **Cause** Amazon Redshift n'a pas pu trouver la table spécifiée. **Solution** Vérifiez que la table que vous avez spécifiée dans l'assistant de création de source de données est présente dans la base de données de votre cluster Amazon Redshift et que vous avez saisi l'ID de cluster, le nom de base de données et la requête SQL corrects. ## Contacter AWS Support Si vous avez souscrit un plan AWS Premium Support, vous pouvez créer une demande d'assistance technique dans le [Centre AWS Support](https://console.aws.amazon.com/support/home#).