この図は、Oracle Compute Cloud@Customer、Kafka、および3つのスウィンレーンのDockerコンテナ内のMorpheusパイプラインを使用したライブ不正予測のパイプライン・ワークフローを示しています。

ホスト環境:フローは、Transaction data (validation.csv)からホスト環境にあるPythonプロデューサに下方向に開始されます。

• 右側には、人のアイコンの横に「ライブ詐欺予測」と書かれています。

Kafka:フローは、KafkaスイムレーンにあるKafkaトピックINPUT (gnn_fraud_input)まで下方に進みます。

• 中央の「ホスト環境」および「モーフィウス・パイプライン」で、このセクションは入出力メッセージ・ストリームを表します。
• 左側には「入力ストリーム」ラベルが付いた「」が表示されます。

Morpheus Pipeline (Dockerコンテナ):ワークフローは、INPUT (gnn_fraud_input)からMorpheusパイプライン・スイムレーンにあるKafkaソースに続行されます。

• Kafkaソースはデシリアライズにフローします。
• デシリアライズは、グラフ構成に接続します。
• グラフ構築は、GNN interface (GraphSAGE)に接続します。
• GNN interface (GraphSAGE)" (neural network icon)は、Classification (XGBoost)に接続します。
• シリアライズするClassification (XGBoost)。
• シリアライズは、Kafkaシンクに接続します。

Kafkaシンクは、KafkaスイムレーンのKafka topic: OUTPUT (gnn_fraud_output)を接続します。

Kafka topic: OUTPUT (gnn_fraud_output)は、ホスト環境のスイムレーンでPythonコンシューマに接続します。

Pythonコンシューマは、ホスト環境でライブ不正予測に接続します。