物联网设备、场景复杂多样，小到智能穿戴的耳机，大到大型基建设备，更有我们陌生而又熟悉场景，例如深海探测、森林监视、野生动物跟随等等能量采集场景。
能量采集场景都在户外，甚至可以说是无人区域，当设备放置（部署）后，没办法及时回收和维护，比如放置在动物身上的设备，位置是不固定的，无法及时为终端设备进行充电和供电，如何让能量采集设备几个月甚至几年长时间的工作，实现能量收集。
能量采集能力不稳定，一切工作只能从零开始
能量收集系统为IoT应用场景的扩展注入了极大的活力。在一个能量采集系统运行过程中，容易受到环境变化、使用行为等多种因素影响，所以系统运行过程中将会频繁断电。采用电池、电容等电量存储设备能够缓解这一问题，却不能从根本上消除供电间歇的影响，在储电量濒临耗尽，而能力采集又不充沛的时候依然会面临间歇性供电的影响。
如果我们对断电行为不做任何处理的话，一旦系统断电，所有的中间运行结果（内存中存储的）都将丢失，一切工作只能从零开始，在完成工作前再次断电，那么一切工作又要重新开始。如此循环往复，无穷尽也。
此时，间歇计算技术尤为关键。
LiteOS间歇计算三个指标助力系统正常运行
间歇计算是一种描述计算机程序或计算机系统行为的模型：在其提供连续服务的执行过程中，它会根据系统控制或环境变化来间歇性暂停并恢复。
在间歇供给能量的情况下，想要系统正常运行，持续推进，间歇计算有三个重要的指标：
系统的持续推进性：解决每次间歇执行周期内的可推进性和长期执行推进效率间的权衡问题。
执行的逻辑正确性：解决间歇执行的数据逻辑不一致、时效性、超预期突发能量消耗、并发一致性等问题。
间歇执行的高效性：最小化数据存储，提高系统的综合间歇推进效率，提升开发效率。
LiteOS间歇计算为什么能使物联网终端实现长续航？
基于任务模型的间歇技术开发模型：间歇化的任务被划分为若干独立子任务，每个子任务执行的开始阶段都会自动保持监测点信息，在某个子任务执行期间断电重启后，系统会依据监测点信息恢复到该子任务的起始位置重新执行。
高效自适应间歇执行技术：基于当前能量状态，自适应备份系统状态，降低备份开销，提高执行效率。
基于静态分析的辅助开发工具：分析每个子任务检测点保持数据的最小集合；为开发者提出切分task的建议，进一步缩小检测点数据大小。
