Die Abbildung zeigt die grundlegende Bereitstellung von Modellen für maschinelles Lernen nahe Datenquellen und Produktionssystemen. Die Lösung zeigt sowohl eine On-Premise-Kundenimplementierung als auch eine Oracle Cloud-Implementierung an.

Die On-Premise-Implementierung enthält Produktionsmaschinen, die Laufzeitdaten von IoT an eine Compute-Instanz zur Sprachausführung für Maschinen übergeben und dann an das Custome Premise Equipment (CPE) übergeben. Von dort aus werden Daten über ein Site-to-Site-VPN in Oracle Cloud verschoben.

In Oracle Cloud übergibt ein dynamisches Routinggateway (DRG) eingehende IoT-Produktionsdaten in einem virtuellen Cloud-Netzwerk (VCN), von dem ein Servicegateway, das Traffic an eine Oracle Streaming Service-Instanz außerhalb des VCN weiterleitet. Der Streaming-Service übergibt Daten über eine Oracle Functions-Instanz und anschließend an ein autonomes Data Warehouse. Eine Oracle Data Science-Instanz ruft Daten aus ADW ab und übergibt sie dann an Oracle Object Storage.

Die Modellupdates werden dann über das Servicegateway an das VCN zurückgesendet und dann über das DRG, das Site-to-Site-VPN, das CPE und die Compute-Instanz der ML-Ausführung an den Kunden zurückgesendet.