CN104007994B - 一种基于策略库交互的更新方法、升级方法与升级系统 - Google Patents

Abstract

本发明一种基于策略库交互的升级方法与系统，它通过客户端与服务端逐级的交互完成升级过程，在升级准备中减少问题的发生，并便捷定位问题，持续更新策略库。包括：构建策略库，对日常升级过程中积累的问题进行总结和统计分析，对于常发生的问题及解决方法，归纳整理后，存入到策略库中；所述策略库由客户端子系统和服务端子系统组成。对客户端进行升级，通过客户端与服务端逐级的交互完成升级过程。根据所有的客户端升级记录，通过大数据的分析处理方法，进行分析，更新策略库。

Description

一种基于策略库交互的更新方法、升级方法与升级系统

技术领域

本发明涉及计算机软件升级技术领域，尤其涉及一种基于策略库交互的升级方法与系统。

背景技术

传统的自动升级解决方案，通常都是在服务器端部署更新程序，然后由客户端请求并下载，按照预先制定的步骤下载文件、替换文件等直至升级结束。这种方法能满足简单的升级功能，但却完全没有提供良好的失败应对机制。这会导致升级的过程中由于缺乏智能的应对机制，从而出现很多致命缺点。如，客户端在升级的过程中，发现原本需要引用的一个系统组件缺失，这种缺失是很常见的(如系统为Ghost精简版本、部分杀毒/优化软件清理了较为不常用的系统组件)，而此时升级过程自然会失败，如果仅给出“升级失败”等相关字样的提示，用户会误以为程序本身有问题，直接导致一部分用户的流失；当然也会有部分用户通过在线客服等方式联系到程序发布商，客服接受反馈后再将此类情况反映给专业人员，然后专业人员进行相应的分析(此时的分析也是极为复杂的，因为并不知道用户究竟缺少了什么)，通过一定分析后，才尝试定位异常原因从而给出解决方案，经过漫长的等待，用户早已对产品失去信心，放弃使用。如上情况的解决过程不但大幅度增加了应对升级处理时所需的人力，也严重影响了用户对于产品的信心，甚至导致用户的流失。

另外，在传统企业软件的应用场景下，一般需要对各个行业的不同用户进行软件功能上的微调，这种微调必然会造成大量的以各行业区分的同一客户端程序的不同版本，再伴随着客户端程序的使用覆盖率上升，传统自动升级的一对一更新方式必然会造成版本管理的不可持续，如果意外发生，例如：使用错误版本的更新程序，必然会造成客户端版本升级失败，甚至可能会破坏用户数据。

针对自动升级的策略，目前提出了一些简单的方法，在这方面有专利“一种自动升级应用程序的方法和系统”(专利申请号201210570429.5)，通过升级组件向Web服务器获取数据库服务器存储的客户端应用程序的服务器端版本号，然后对比版本号是否相同，并在不同时通过Web服务器访问文件服务器，将更新文件下载到客户端，最后升级组件使用跟新文件升级客户端应用程序。专利“一种软件自动升级的实现方法、系统和装置”(专利申请号200810240795.8)，根据功能划分至至少一个独立组件，然后获取所述组件程序的版本信息早于服务器更新库中组件程序的版本信息时，下载升级本地组件程序。

上述例举的两个专利，都是将工作内容预先统一部署在“升级程序”中，尽可能的按预先制定的升级流程进行运转，倘若遇到缺少系统组件或系统文件破损等情况，也只能给“升级失败”的提示文案，不帮助用户自动修复，甚至都不提示用户如何处理；而服务端更无法掌握用户的升级情况，从而持续改善现有的升级程序，也就是当此升级程序一旦确立并发出给用户使用后，就无法得到变更，完全处理脱离发布者管理的状态，无法及时定位问题。

因此，一种安全升级、便捷定位升级问题的方法是亟需实现的。

发明内容

本发明主要针对上述现有解决方案的不足，提供一种基于策略库交互的升级方法与系统，它通过客户端与服务端逐级的交互完成升级过程，在升级准备中减少问题的发生，并便捷定位问题，持续更新策略库。

技术方案，详细如下：

一种基于策略库交互的升级方法，包括：

构建策略库，对日常升级过程中积累的问题进行总结和统计分析，对于常发生的问题及解决方法，归纳整理后，存入到策略库中。

策略库中包括：

(1)客户端计算机的样本软硬件特征信息；

(2)这种特征下升级状态；

(3)对于相应升级问题的解决方法。

其中，客户端软件特征包括：

(1)每种应用软件升级时所需要的系统组件和软件组件；

(2)各个系统组件和软件组件的大小；

(3)系统注册表信息；

(4)软件数据库是否破损；

(5)相关文件是否被占用；

(6)磁盘空间是否足够。

另外，在策略库中还包括：最新的应用软件版本号；用于判断是否需要升级。

这些信息将构成客户端升级环境条件的判断标准。

升级过程包括：

步骤一：客户端升级程序启动后，调用信息收集单元以获得本地各个应用软件的当前版本号；

步骤二：发送单元将本地版本号信息转化为工作脚本，并发送给服务端，此时，服务端的整个升级逻辑工作流建立。其中，这种工作脚本使用的是一种简易的脚本化编程语言，脚本执行引擎负责执行此脚本，并和宿主环境进行通信，以及处理扩展调用。

步骤三：服务端接收到工作脚本后，启动决策引擎，将接收到的信息脚本与策略库中的最新的应用软件版本号进行匹配。通过匹配结果，提取出需要升级的应用软件名称；

步骤四：根据各个客户端需要升级的应用软件，通过策略库分门别类配置对应的工作脚本，每个客户端对应的工作脚本不相同，脚本的信息是客户端升级所具备的软硬件特征，主要包括：

(1)客户端升级软件所需要的系统组件和软件组件；

(2)这些组件的大小；

(3)系统注册表信息；

(4)软件数据库是否破损；

(5)相关文件是否被占用；

(6)升级所需磁盘空间大小。

(7)其他特征：网卡信息、cpu、内存等。

步骤五：客户端接收单元接收服务端回调的解决方案工作脚本，启动客户端程序中的工作脚本执行引擎，根据解决方案工作脚本中的要求，调用信息收集单元收集本地的对应环境信息。发送单元将将收集对应环境信息结果转化为工作脚本，发送给服务端。

步骤六：服务端接收到客户端发来的工作脚本，解析其中的客户端环境信息，与策略库中相应的信息标准进行匹配。如果客户端的环境信息符合信息标准的要求，转步骤八，否则转步骤七。

步骤七：根据匹配结果，找出不符合信息标准的客户端环境信息，转化为工作脚本格式，发送给对应的客户端。客户端接收到脚本后，对于不符合信息标准条件的系统组件和软件组件，重新从服务端下载安装；对于不符合信息标准的其他环境信息，根据客户端计算机的样本软硬件特征信息，给出明确的问题原因以及解决方法，工程师根据明确的提示信息，有针对性进行客户端环境的调整，调整后，客户端调用信息收集单元收集本地的环境信息，工作脚本发送单元将收集对应调整后的客户端环境信息转化为工作脚本发送给服务端，然后转步骤六。

步骤八：服务端给出各个客户端升级软件的保存地址信息，转化成脚本格式发送给相应的客户端。

步骤九：客户端按照地址下载升级包，并安装。如果安装成功，升级过程结束。如果不成功，通过工程师找出原因，然后把解决方法归纳成一个信息标准，更新到服务端的策略库中。

根据所有的客户端升级记录，通过大数据的分析处理方法，进行分析，更新策略库，方法包括：

1、收集整理大量的客户端软件、硬件特征，客户端软件及硬件特征主要包括：

●系统版本

●组件版本

●硬件配置

●网络条件

通过这些信息，用以归类得出发生最多升级问题的客户端的软件、硬件特征。

2、对大量客户端出现的升级问题进行分析，各种升级问题如：

●升级系统发生各种异常；

●无法启动；

●缺少组件等等。

通过这些信息，用以归类出发生频率高的升级问题。

3、通过计算信息熵来定位升级问题发生的概率及主要原因

对实际升级过程中收集大量客户端软硬件特征，以及升级时发生各种问题，形成了海量数据，对这些数据进行分析，目的就是找出影响顺利升级的重要特征，以及在这些软硬件特征中的不同选择(例如，操作系统版本为WindowsXP，Windows7，Windows8)会对升级的结果产生重大的影响。这样做可以识别升级问题主要因素，借助海量数据客观分析升级中所存在的关键性问题。

要寻找最佳的特征分类方式，把发生升级问题的影响因素分离出来，在分类算法中，就是要寻找出最佳的度量标准能够将信息熵尽快的减少，即将信息集合的纯度提高。通过计算信息熵来进行分类，计算信息熵公式为：

$\mathrm{Entropy}\left(S_v\right)={\mathrm{\Σ}}_{i=1}^c-p_i{\log }_2{p}_i$

其中，S指目前的样本集合，也就是指所有的要升级的客户端计算机集合；

S_v指总样本集合中的某一个子样本集合；

c指不同的结果集，例如升级成功、升级失败的各种问题；

p_i为样本集合中某一个样本到不同的结果集的概率。

Entropy(S_v)为结果集合的信息熵，也就是说Entropy(S_v)为结果集合的纯度，一般来说假如样本集合产生的结果集合不一致，指纯度比较低。如果样本集合产生的结果集合都趋近一致，指纯度比较高。

在计算信息熵的基础上，对算法进一步优化，每次选定出信息熵降低速度最快的类分割方式，即按信息增益进行比较，由此就可以得出最优的类分割方式。

$\mathrm{Gain}\left(S\right)=\mathrm{Entropy}\left(S\right)-{\mathrm{\Σ}}_{v\∈V}\frac{\left|S_v\right|}{\left|S\right|}\mathrm{Entropy}\left(S_v\right)$

其中，S指目前的样本集合，也就是指所有的要升级的客户端计算机集合；

V指样本集合S通过特征中的不同属性对样本集合进行分割，分割成子样本集合的总数量；

S_v指总样本集合中的某一个子样本集合。

这种优化方式提高大数据的计算处理效率，并进一步提高了样本的分割精度，降低了计算成本。

通过以上对数据分析，分析获得影响升级问题的重要因素，从而分析出潜在的升级中可能发生的问题，从而总体上提升升级的质量。

利用这种分析方式，不仅可以对是否升级成功进行分析，更进一步可细分升级过程中发生的不同升级问题，从而得出影响升级的重要特征中的关键属性，对关键属性予以优化，从而提升升级质量。

4、在对客户端软件、硬件特征与出现的升级问题之间的关联性进行数据分析的基础上，以挖掘出潜在的客户端软件、硬件特征与升级问题之间的关联性，根据样本的软件、硬件特征预测升级的成功率以及会出现升级问题的类型。

将实际升级过程中收集到海量数据各个特征分类作为样本进行训练，可以得到各个特征不同属性选择下的问题发生概率。其中，每一特征下包含多种属性。

采用贝叶斯算法进行成功率预测，就是计算出各个特征不同属性下发生概率，通过公式算出即将升级的成功概率。

$\left(x_i\right)=P\left(y_i\right)P\left(y_i\right){\mathrm{\Π}}_{j=1}^{m}P(a_j/y_i)$

其中，x_i指样本集合中的某一个样本；

y_i指结果集合中的某一种结果；

m指这一个样本的各个特征选定属性的集合；

P(a_j/y_i)指某一个样本的一个特征选定属性产生结果集合的某一种结果的概率；

P(y_i)指结果集合(成功/失败)进行分类所得的概率；

P(x_i)指根据各种特征中的选定属性的综合升级结果值。

通过这样的方式，可以在日常空闲时间对客户端计算机进行升级概率计算，实现预测问题发生的概率，定位可能发生问题的客户端计算机，事先处理，提高升级的成功率和效率。

把上述归类与关联结果导入策略库，在升级前通过策略库可以针对性地实施：

1、服务端通过策略库中的分析结果实现即时对升级中发生的问题进行监控，当发生群体性的升级问题时可以即时预警。

2、服务端通过策略库中的记录事先对升级中客户端发生软件、硬件配置变迁进行监控，以预测发生升级问题概率。

一种基于策略库交互的升级的系统，包括：

客户端子系统和服务端子系统。

所述客户端子系统用于执行服务端回传的工作脚本，并向服务端反馈执行后的结果。

所述客户端子系统包括信息收集单元，工作脚本接收单元，工作脚本执行引擎，工作脚本发送单元。

所述信息收集单元，用于收集客户端本地信息，整理服务端发送的脚本执行结果，并做一定的约定描述。

所述工作脚本接收单元，用于客户端接收所述服务端下发的工作脚本，分析其执行条件并做准备处理。

所述工作脚本执行引擎，用于客户端执行所述服务端下发的工作脚本，根据工作脚本内容，执行相应的本地信息收集工作以及对应的操作，最终完成工作脚本中的功能。

所述工作脚本发送单元，用于把工作脚本发送给服务端子系统。

所述服务端子系统，即用于接收所述客户端子系统发送的执行结果，并根据执行结果进行分析，然后与策略库单元中信息标准进行匹配，并根据匹配结果生成对应的工作脚本，发送给客户端子系统，也用于收集整理分析相关的客户端子系统的反馈结果，进行大数据统计分析，完善策略库内容，以保证持续改善软件生命周期中的升级行为。

所述服务端子系统包括工作脚本发送单元、工作脚本接收单元、决策引擎、策略库单元。

所述工作脚本发送单元，用于向客户端发送工作脚本。

所述工作脚本接收单元，用于服务端接收所述客户端反馈的工作脚本，分析其执行条件并做准备处理。

所述决策引擎，用于分析整理升级过程中出现的各种情况，并根据结果匹配策略库并形成解决方案。是整个系统的核心组件，此引擎与策略库频繁交互，将一次次的升级过程积累转化为经验数据，并依托大数据的分析处理，更新策略库。

策略库单元，用于保存使应用软件成功升级的所必须的客户端环境信息标准，以及某种软硬件特征、对应的升级状态、解决方法。

升级记录管理单元，用于保存在升级过程中，每个客户端的本地信息、升级出现的状况、问题原因以及调整记录。

分析计算单元，通过大数据方式，分析升级记录管理单元中保存的数据，对数据进行归类，挖掘出其中的规律，对策略库单元内容进行完善更新。

本发明与现有技术相比，其显著优点：

1、本发明通过客户端与服务端逐级的交互完成升级过程，在升级准备中减少问题的发生，并便捷定位问题，极大减少了升级失败的概率，

2、本发明通过每次收集到的处理结果进行数据分析，并完善服务端的策略库，定位可能发生问题的客户端计算机，事先处理，提高升级的成功率和效率；

3、无需安排额外的工作人员逐个对用户升级问题进行跟踪，大量缩减维护人工和工作量，提供最稳定的升级服务和最舒适的用户体验。

附图说明

图1一种基于策略库交互的升级系统结构图。

图2本实施例一种基于策略库交互的升级方法流程图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。

如图1，一种基于策略库交互的升级系统，包括：

客户端子系统10和服务端子系统11。

所述客户端子系统10用于执行服务端回传的工作脚本，并向服务端反馈执行后的结果。

所述客户端子系统10包括信息收集单元101，工作脚本接收单元102，工作脚本执行引擎103，工作脚本发送单元104。

所述信息收集单元101，用于收集客户端本地信息，整理服务端发送的脚本执行结果，并做一定的约定描述。

所述工作脚本接收单元102，用于客户端接收所述服务端下发的工作脚本，分析其执行条件并做准备处理。

所述工作脚本执行引擎103，用于客户端执行所述服务端下发的工作脚本，根据工作脚本内容，执行相应的本地信息收集工作以及对应的操作，最终完成工作脚本中的功能。

所述工作脚本发送单元104，用于把工作脚本发送给服务端子系统。

所述服务端子系统11，即用于接收所述客户端子系统发送的执行结果，并根据执行结果进行分析，然后与策略库单元中信息标准进行匹配，并根据匹配结果生成对应的工作脚本，发送给客户端子系统，也用于收集整理分析相关的客户端子系统的反馈结果，并完善策略库内容，以保证持续改善软件生命周期中的升级行为。

所述服务端子系统包括工作脚本发送单元111、工作脚本接收单元112、决策引擎113、策略库单元114、升级记录管理单元115、分析计算单元116。

所述工作脚本发送单元111，用于向客户端发送工作脚本。

所述工作脚本接收单元112，用于服务端接收所述客户端反馈的工作脚本，分析其执行条件并做准备处理。

所述决策引擎113，用于分析整理升级过程中出现的各种情况，并根据结果匹配策略库并形成解决方案。是整个系统的核心组件，此引擎与策略库频繁交互，将一次次的升级过程积累转化为经验数据，并依托大数据的分析处理，更新策略库。

所述策略库单元114，用于保存使应用软件成功升级的所必须的客户端环境信息，以及某种软硬件特征、对应的升级状态、解决方法。

所述升级记录管理单元115，用于保存在升级过程中，每个客户端的本地信息、升级出现的状况、问题原因以及调整记录。

所述分析计算单元116，通过大数据方式，分析升级记录管理单元中保存的数据，对数据进行归类，挖掘出其中的规律，对策略库单元内容进行完善更新。

假如客户端缺少某个重要的软件组件，一种基于策略库交互的升级方法流程如图2所示，包括：

步骤201：客户端子系统启动后，调用信息收集单元以获得本地应用软件的版本号；

步骤202：发送单元将本地版本号格式化为工作脚本发送给服务端；

步骤203：服务端接收单元收到客户端请求，启动决策引擎，将客户端程序的信息脚本，通过策略库进行匹配；

步骤204：根据要升级的应用软件，形成新的工作脚本，工作脚本中包含客户端升级必备的环境信息，发送单元将工作脚本回调给客户端程序；

步骤205：客户端程序接收单元接收服务端回调的工作脚本，启动客户端子系统中的工作脚本执行引擎；调用信息收集单元，根据要求收集本地环境信息，发送单元将客户端环境信息转化为工作脚本发送给服务端；

步骤206：服务端接收单元收到客户端发送的工作脚本，启动决策引擎，将客户端程序发送来的工作脚本，通过策略库进行匹配；匹配结果，发现客户端缺少一个软件组件；把这个结果转化成工作脚本，发送给客户端。

步骤207：客户端升级程序执行工作脚本，请求下载缺少的软件组件；客户端升级程序将软件组件保存至本地系统路径下；

步骤208：调用信息收集单元，收集本地环境信息，发送单元将客户端环境信息转化为工作脚本发送给服务端；服务端匹配成功，向客户端发送成功信号，并给出升级包保存地址。

步骤209：客户端下载升级包，执行安装，升级成功。

通过大数据处理的方法，来挖掘各特征与发生升级问题之间的关系，从而更新策略库。

假如，根据软硬件特征的排列组合，划分多组客户端计算机样本，其特征为：

●操作系统；

●杀毒软件；

●防火墙；

●网卡型号。

在升级中表现为4种状态：

●升级成功

●升级安装后，客户端计算机发生死机的情况

●升级过程中，出现软件冲突提示，并中断升级

●无法启动。

分别计算这些样本组的信息熵： $\mathrm{Entropy}\left(S_v\right)={\mathrm{\Σ}}_{i=1}^c-p_i{\log }_2{p}_i$

如果信息熵的结果没有是样本组具有比较明显的状态效果，因为软硬件特征的每一项又可以分成多个属性，在这情况下，通过属性的排列组合，进一步进行细分成客户端计算机样本，在分别计算这些组样本的信息熵。

如果信息熵的结果没有是样本组具有比较明显的状态效果，因为软硬件特征的每一项又可以分成多个属性，在这情况下，通过属性的排列组合，进一步进行细分成客户端计算机样本，在分别计算这些组样本的信息熵。

不同的属性排列组合将原样本组进行分割，可以将原有的样本组分割成不同的子样本组的集合，这些不同分割的子样本组的集合的并集就是原有的样本组。因分割方式的不同，不同的子样本组的集合会导致这些子样本组的信息熵是不同的。有的分割方式使子样本组的纯度更高，有的分割方式使子样本组的纯度比较低。不同的分割方式会使各个子样本组的信息熵的高低不一致。

所以按照某个属性分割后，使子样本组集合信息熵更高，那么就是信息熵的增益Gain(S)速度快，选取此属性分割后，子样本组的信息熵最高的方式进行分割，从而找到最优的分割方式。

例如，在上述特征分割的基础上，按照特征“操作系统”进一步细分成多个属性：Windows XP，Windows2003、Windows7、Windows8。

从中取出信息熵Entropy(S_v)>0.9的样本组，说明这些组样本的纯度很高。

例如，从这些样本组中，取出一组Entropy(S_v)＝0.95的样本，其软硬件特征为：

●操作系统为windows8；

●安装了360杀毒软件；

●开启了360防火墙；

●安装了realtek的网卡。

根据此组对应升级状态的概率，找出发生概率最高的状态为：

●升级过程中，出现软件冲突提示，并中断升级。

如果已经有解决方法，可以同时与此种状态的解决方法相关联，把此组的下列要素一起保存到策略库中：

●软硬件特征：操作系统为windows8；安装了360杀毒软件；开启了360防火墙；安装了realtek的网卡。

●发生概率最高的升级状态：升级过程中，出现软件冲突提示，并中断升级。

●解决方法。

以上实施例只是对于本发明的部分功能进行描述，但实施例和附图并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为准。

Claims (5)

1.一种基于策略库交互的更新方法，构建策略库，对日常升级过程中积累的问题进行总结和统计分析，对于常发生的问题及解决方法，归纳整理后，存入到策略库中，其特征在于，根据所有的客户端升级记录，通过大数据的分析处理方法，进行分析，更新策略库，具体步骤为：

步骤一、收集整理客户端软件、硬件特征，客户端软件及硬件特征包括：系统版本、组件版本、硬件配置、网络条件；通过所述客户端软件、硬件特征，用以归类得出发生最多升级问题的客户端的软件、硬件特征；

步骤二、对客户端出现的升级问题进行分析，通过这些信息，用以归类出发生频率高的升级问题；

步骤三、通过计算信息熵来定位升级问题发生的概率及原因：对实际升级过程中收集客户端软硬件特征，以及升级时发生各种问题，形成了海量数据，对这些数据进行分析，找出影响顺利升级的特征，以及在这些软硬件特征中的不同选择对升级的结果产生影响；识别升级问题影响因素，借助海量数据客观分析升级中所存在的问题；

步骤四、在对客户端软件、硬件特征与出现的升级问题之间的关联性进行数据分析的基础上，以挖掘出客户端软件、硬件特征与升级问题之间的关联性，根据样本的软件、硬件特征预测升级的成功率以及会出现升级问题的类型。

2.根据权利要求1所述的更新方法，其特征在于，步骤三中：

寻找特征分类方式，把发生升级问题的影响因素分离出来，在分类算法中，寻找出度量标准能够将信息熵减少，即将信息集合的纯度提高；通过计算信息熵来进行分类，计算信息熵公式为：

$\mathrm{Entropy}\left(S_v\right)={\mathrm{\Σ}}_{i=1}^c-p_i{\log }_2{p}_i$

其中，S_v指总样本集合中的某一个子样本集合；

c指不同的结果集；

p_i为样本集合中某一个样本到不同的结果集的概率；

Entropy(S_v)为结果集合的信息熵，也就是说Entropy(S_v)为结果集合的纯度，若样本集合产生的结果集合不一致，指纯度比较低；若样本集合产生的结果集合都趋近一致，指纯度比较高；

在计算信息熵的基础上，对算法进一步优化，每次选定出信息熵降低速度最快的类分割方式，即按信息增益进行比较，由此得出最优的类分割方式：

$\mathrm{Gain}\left(S\right)=\mathrm{Entropy}\left(S\right)-{\mathrm{\Σ}}_{v\∈V}\frac{\left|S_v\right|}{\left|S\right|}\mathrm{Entropy}\left(S_v\right)$

其中，S指目前的样本集合，也就是指所有的要升级的客户端计算机集合；

V指样本集合S通过特征中的不同属性对样本集合进行分割，分割成子样本集合的总数量；

S_v指总样本集合中的某一个子样本集合。

3.根据权利要求1所述的更新方法，其特征在于，步骤四中：

将实际升级过程中收集到海量数据各个特征分类作为样本进行训练，得到各个特征不同属性选择下的问题发生概率；其中，每一特征下包含多种属性；

采用贝叶斯算法进行成功率预测，计算出各个特征不同属性下发生概率，通过公式算出即将升级的成功概率：

$P\left(x_i\right)=P\left(y_i\right){\mathrm{\Π}}_{j=1}^{m}P(a_j/y_i)$

其中，X_j指样本集合中的某一个样本；

y_i指结果集合中的某一种结果；

m指这一个样本的各个特征选定属性的集合；

P(a_j/y_j)指某一个样本的一个特征选定属性产生结果集合的某一种结果的概率；

P(y_j)指结果集合(成功/失败)进行分类所得的概率；

P(x_j)指根据各种特征中的选定属性的综合升级结果值。

4.根据权利要求2或3所述的更新方法，其特征在于：

把归类与关联结果导入策略库，在升级前通过策略库针对性地实施：

服务端通过策略库中的分析结果实现即时对升级中发生的问题进行监控，当发生群体性的升级问题时能够即时预警；

服务端通过策略库中的记录事先对升级中客户端发生软件、硬件配置变迁进行监控，以预测发生升级问题概率。

5.一种基于策略库交互的升级系统，包括客户端子系统和服务端子系统，其特征在于：

所述客户端子系统用于执行服务端子系统回传的工作脚本，并向服务端子系统反馈执行后的结果；

所述客户端子系统包括信息收集单元，客户端工作脚本接收单元，工作脚本执行引擎，客户端工作脚本发送单元；

所述信息收集单元，用于收集客户端子系统本地信息，整理服务端子系统发送的脚本执行结果；

所述客户端工作脚本接收单元，用于客户端子系统接收所述服务端子系统下发的工作脚本，分析其执行条件；

所述工作脚本执行引擎，用于客户端子系统执行所述服务端子系统下发的工作脚本，根据工作脚本内容，执行相应的本地信息收集工作以及对应的操作，最终完成工作脚本中的功能；

所述客户端工作脚本发送单元，用于把工作脚本发送给服务端子系统；

所述服务端子系统，即用于接收所述客户端子系统发送的有关执行结果的工作脚本，并根据执行结果进行分析，然后与策略库单元中信息标准进行匹配，并根据匹配结果生成对应的解决方案工作脚本，发送给客户端子系统，也用于收集整理分析相关的客户端子系统的反馈结果，进行大数据统计分析，完善策略库内容，以保证持续改善软件生命周期中的升级行为；

所述服务端子系统包括服务端工作脚本发送单元、服务端工作脚本接收单元、决策引擎、策略库单元；升级记录管理单元，分析计算单元；

所述服务端工作脚本发送单元，用于向客户端子系统发送工作脚本；

所述服务端工作脚本接收单元，用于服务端子系统接收所述客户端子系统反馈的工作脚本，分析其执行条件并做准备处理；

所述决策引擎，用于分析整理升级过程中出现的各种情况，并根据结果匹配策略库并形成解决方案；所述决策引擎与策略库频繁交互，将一次次的升级过程积累转化为经验数据，并依托大数据的分析处理，更新策略库；

所述策略库单元，用于保存使应用软件成功升级的所必须的客户端子系统环境升级所需的信息标准，以及某种软硬件特征、对应的升级状态、解决方法；

所述升级记录管理单元，用于保存在升级过程中，每个客户端子系统的本地软硬件环境信息、升级出现的状况、问题原因以及调整记录；

所述分析计算单元，通过大数据方式，分析升级记录管理单元中保存的数据，对数据进行归类，挖掘出其中的规律，对策略库单元内容进行完善更新。