Blueprint 1 · Real-Time ML Inference
データレイヤーでのML推論。外部モデルの提供は不要です。
データが移動する前、トランザクションが行われるストリーミングデータパイプライン内で、ML推論を直接実行します。
検出レイテンシ、Kafkaパス
PoCインフラストラクチャ上で検証された推論パス
オンプレミスのデータ; クラウドのMLサービスへの依存なし
アーキテクチャ
どのように機能するか
データの移動方法
アーキテクチャフロー
| 01 | ソース | トランザクションイベントは、EDB Postgres® AI（EDB PG AI）に直接書き込まれ、運用システムとしての記録を提供します。EDB Postgres Distributedが真の情報源となり、4つの分析および推論経路はWALを介してデータを読み込むため、処理が開始される前にデータを移動する必要がありません。 |
| 02 | ストリーム | DebeziumはWALの変更をキャプチャし、それをKafkaにストリーミングします。Kafkaはイベントを3つの並列の下流経路にルーティングします：Kafkaダイレクト、ClickHouse（CDC経由）、RisingWave（CDC経由）。4つ目の経路であるPGAAはKafkaとは独立してWALを読み込みます。（注：Redpandaは検証済みのKafka互換の代替品です。） |
| 03 | 集約 | RisingWaveはストリーミングされたマテリアライズドビューを計算し、支出の傾向、地理的異常スコア、速度チェックを行います。ClickHouseは複雑な履歴集約のために90日間の行動基準比較を実施します。 |
| 04 | 推論 | XGBoost MLモデルは4つの経路すべてで推論を実行し、PoCからの測定されたレイテンシーは次の通りです：Kafkaダイレクト 100ms TTDF; PGAA ~1500ms（WAL→Iceberg）；ClickHouse ~3000ms；RisingWave ~4200ms。（注：KServe + NVIDIA NIMはEDB PG AIでサポートされていますが、現在のオープンソースリリースには含まれていません。MLflowはサポートされていますが、現在のリリースには統合されていません。） |
| 05 | ガバナンス | ヒューマンインザループの意思決定ゲートは、高リスクエージェントの行動に対するポリシーを実行前に適用します。Lakekeeper（Vakamo）はIceberg RESTカタログを提供し、すべての推論経路におけるデータの系譜とアクセス制御を管理します。 |
| 06 | 持続 | 詐欺予測と運用警告はEDB PG AIに書き戻されます。過去の推論結果は、監査、モデル再訓練、長期分析のためにMinIO上のIcebergテーブルに格納されます。 |
Blueprint 1 · 검증된 파트너
Blueprint 1에서 검증된 파트너
Airflow (Astronomer)
dbt
Grafana
Jupyter
Kafka / Redpanda
KServe + NVIDIA NIM
Lakekeeper (Vakamo)
Langflow
MinIO
MLflow
RisingWave
業界別ユースケース
Blueprint 1を本番環境でデプロイしています。
-
BFSIBFSI
リアルタイム詐欺検出
ある大手銀行では、1秒あたり50,000件のトランザクションを処理しています。バッチ方式の詐欺検出では、検出に15分のウィンドウが必要です。Kafkaストリーミングパス内にXGBoostをデプロイすることで、検出遅延は15分から500ミリ秒に短縮されます。3つの並列推論パスにより、即時のブロッキング決定と行動コンテキストの強化が同時に実現します。すべてのデータはオンプレミスに保持され、クラウドのMLサービスには依存しません。
検証済みのデプロイ環境
オンプレミス、IBM Power、EDBエンジニアリングシステム、または任意のクラウド上で稼働し、すべての環境で一貫したPostgresインターフェースを提供します。
今すぐお試しください—Blueprint 1はオープンソースです。
完全なBFSI不正検出の実装はGitHubにあります。
デプロイし、フォークし、それを基に構築することが可能です。