L'immagine mostra un flusso di lavoro della pipeline per la previsione di frodi in tempo reale utilizzando Oracle Compute Cloud@Customer, Kafka e una pipeline Morpheus in un contenitore Docker in tre swinlan sovrapposti uno sotto l'altro.
Ambiente host: il flusso inizia verso il basso da Transaction data (validation.csv)
al producer Python situato nell'ambiente host.
Kafka: il flusso continua verso il basso fino all'argomento Kafka: INPUT (gnn_fraud_input)
situato nella swimlane Kafka.
Pipeline Morpheus (contenitore Docker): il workflow continua da INPUT (gnn_fraud_input)
all'origine Kafka che si trova nel swimlane della pipeline Morpheus.
GNN interface (GraphSAGE)
.
GNN interface (GraphSAGE)" (neural network icon)
si connette a Classification (XGBoost)
.
Classification (XGBoost)
per la serializzazione.
Il sink Kafka connette nuovamente Kafka topic: OUTPUT (gnn_fraud_output)
nella swimlane Kafka.
Kafka topic: OUTPUT (gnn_fraud_output)
si connette al consumer Python nel swimlane dell'ambiente host.
Il consumer Python si connette alla previsione di frodi in tempo reale nell'ambiente host.