Despliegue
Para desplegar esta solución, primero debe configurar el directorio Project.
Defina una variable de entorno para el directorio de proyecto principal.
export PROJECT_DIR=~/morpheus_fraud_detection
mkdir -p $PROJECT_DIR
cd $PROJECT_DIRTerminal 1: Ejecutar el pipeline de Morpheus
Este comando inicia la línea de flotación Morpheus Pipeline (Docker Container).
El pipeline se inicializará y, a continuación, esperará a que los datos lleguen a
Kafka Topic: Input.cd $PROJECT_DIR/Morpheus
docker run --rm -it --net=host --cap-add=sys_nice \ --runtime=nvidia --gpus=all \ -v $(pwd):/morpheus \ nvcr.io/nvidia/morpheus/morpheus:25.02-runtime bash
# --- INSIDE THE CONTAINER ---
cd /morpheus
conda env update --solver=libmamba -n ${CONDA_DEFAULT_ENV} --file ./conda/environments/examples_cuda-125_arch-$(arch).yaml python examples/gnn_fraud_detection_pipeline/run.pySalida esperada: verá los logs de Morpheus a medida que crea el pipeline. A continuación, parece bloquearse, que es el comportamiento correcto, ya que ahora está escuchando activamente los mensajes.
Terminal 2: Ejecute el consumidor de Kafka
Este comando inicia el consumidor de Python en la calle de navegación del entorno del host.
Se suscribe a Kafka Topic: Output y mostrará los resultados publicados por el pipeline de Morpheus.
cd $PROJECT_DIR
source kafka_env/bin/activate
python3 consumer.pySalida esperada: verá el mensaje
"Listening for fraud detection results..." y el terminal esperará.
Terminal 3: Ejecución del productor de Kafka
Este comando inicia el productor de Python, que lee del archivo Transaction Data.
Comienza Input Stream en Kafka Topic: Input. Esta acción dispara todo el flujo de extremo a extremo.
cd $PROJECT_DIR
source kafka_env/bin/activate
python3 producer.pySalida esperada: verá una serie de mensajes
"Sent transaction index..." mientras se publican los datos. Al mismo tiempo, verá el pipeline de Morpheus en la Terminal 1 comenzar a procesar los datos, y las alertas de fraude finales aparecerán en la Terminal 2.