用途：基于 Hologres 的 BSI（Bit-sliced Index，位切片索引）方案做用户画像分析，对行为标签（GMV、PV、观看时长等）与属性标签（省份、性别等）进行联合计算。方案架构为 Hologres 实例 + Roaring Bitmap 扩展 + BSI 扩展 + UID 字典编码 + 属性标签 Bitmap + 行为标签 BSI。
主要能力：属性标签用 Roaring Bitmap 存储，行为标签用 BSI 压缩存储，可直接联合分析而无需回溯明细表；支持人群圈选后求和/均值、按边界值做分布统计、Top K 查询，以及基于行为标签阈值（bsi_gt/ge/lt/le/range/eq/neq）圈选人群。BSI 以最多 32 个位切片存储 INT 范围内的值。
使用方式：需先安装 hologres-cli：pip install hologres-cli，并设置 export HOLOGRES_SKILL=hologres-bsi-profile-analysis。所有 SQL 通过 hologres sql run 执行，写操作需加 --write。需先安装扩展：CREATE EXTENSION IF NOT EXISTS roaringbitmap; CREATE EXTENSION IF NOT EXISTS bsi;。典型流程为建表（dws_userbase、dws_uid_dict、usershop_behavior、rb_tag、bsi_gmv）、导入数据（rb_build_agg 构建属性 Bitmap，bsi_build 构建行为 BSI，需 integer[] 与 bigint[] 数组参数）、再执行查询。
适用场景：用户画像标签计算、属性+行为标签联合圈选、GMV 分析、标签分布统计、Top K、分桶并行计算。
限制：安装扩展、建表、数据导入等写操作需 --write 标志与相应权限；UID 字典编码需在导入前完成，增量维护由用户自行管理；源数据表需用户指定；分桶数选择不可自动化，需结合集群规模与数据量调优；BSI 值须在 INT 范围内。只读查询可完全自动化。