该图显示了使用 Oracle Compute Cloud@Customer 、 Kafka 进行实时欺诈预测的管道工作流，以及三个天车道中 Docker 容器中一个堆叠在另一个天车道下的 Morpheus 管道。

主机环境：流从 Transaction data (validation.csv) 向下开始，直到位于主机环境中的 Python 生成器。

• 在右侧，“实时欺诈预测”写在一个人的图标旁边。

Kafka ：流继续向下移动到 Kafka 主题：位于 Kafka 泳道中的 INPUT (gnn_fraud_input)。

• 在“Host Environment”和“Morpheus Pipeline”的中间，本节表示输入和输出消息流。
• 在左侧显示 ""，并显示 "Input stream" 标签。

Morpheus Pipeline (Docker Container)：工作流继续从 INPUT (gnn_fraud_input) 到位于 Morpheus Pipeline 泳道中的 Kafka 源。

• Kafka 源流到反序列化。
• 反序列化连接到图形构造。
• 图形构造连接到 GNN interface (GraphSAGE)。
• GNN interface (GraphSAGE)" (neural network icon) 连接到 Classification (XGBoost)。
• Classification (XGBoost) 用于序列化。
• Serialize 连接到 Kafka 汇。

Kafka 汇连接 Kafka 泳道中的 Kafka topic: OUTPUT (gnn_fraud_output)。

Kafka topic: OUTPUT (gnn_fraud_output) 连接到主机环境泳道中的 Python 使用者。

Python 使用者连接到主机环境中的实时欺诈预测。