Implante
Para implantar esta solução, você deve primeiro configurar o diretório Project.
Defina uma variável de ambiente para o diretório principal do projeto.
export PROJECT_DIR=~/morpheus_fraud_detection
mkdir -p $PROJECT_DIR
cd $PROJECT_DIRTerminal 1: Executar o Pipeline Morpheus
Este comando inicia o diagrama funcional do Pipeline Morpheus (Contêiner do Docker).
O pipeline será inicializado e aguardará a chegada dos dados no
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.pySaída Esperada: Você verá logs do Morpheus à medida que ele cria o pipeline. Em seguida, parecerá pendurar, que é o comportamento correto, pois agora está ouvindo ativamente as mensagens.
Terminal 2: Execute o Consumidor do Kafka
Este comando inicia o Consumidor Python no diagrama funcional do ambiente host.
Ele se inscreve no Kafka Topic: Output e exibirá todos os resultados publicados pelo pipeline Morpheus.
cd $PROJECT_DIR
source kafka_env/bin/activate
python3 consumer.pySaída Esperada: Você verá a mensagem
"Listening for fraud detection results..." e o terminal aguardará.
Terminal 3: Execute o Produtor do Kafka
Esse comando inicia o Produtor Python, que lê o arquivo Transaction Data.
Ele inicia o Input Stream no Kafka Topic: Input. Essa ação aciona todo o fluxo de ponta a ponta.
cd $PROJECT_DIR
source kafka_env/bin/activate
python3 producer.pySaída Esperada: Você verá uma série de mensagens
"Sent transaction index..." à medida que os dados forem publicados. Simultaneamente, você verá o pipeline Morpheus no Terminal 1 iniciar o processamento de dados, e os alertas de fraude final aparecerão no Terminal 2.