perf(backend): 内存优化三项——全市场研究不再占满 8G

1) 数据装配流式+列裁剪：Repository 新增 stream_range_many_columns（只 SELECT
   所需列、SQL 侧转 REAL、yield_per 分批），引擎按 required_columns 取数
   （LocalEngine 仅 close+因子字段），消除 ORM/Decimal 全量物化；
2) 研究 Job 独立子进程执行（job.mode=subprocess）：python -m app.cli.run_job
   在子进程内设 RLIMIT_AS 上限，OOM 归档 failed 而非拖垮 API worker；
   子进程异常退出由父进程补记 failed；并发上限 2；
3) 服务启动清理：残留 queued/running Job 标记 failed（防永久 running）。

实测同款全市场回测：uvicorn worker RSS 稳定 ~220MB，任务峰值内存由 4.1GB+
降至 ~470MB，24s 完成并归档（此前 43s 未完成即 OOM）。
新增/更新测试 96 passed，ruff 干净。

backend/app/core/config.py

@@ -72,6 +72,9 @@ class Settings:
     llm_base_url: str | None
     llm_model: str
     storage: dict[str, Path]
+    job_mode: str
+    job_memory_limit_gb: int
+    job_max_concurrent: int
     config_path: Path = CONFIG_PATH
     env_path: Path = ENV_PATH
     project_root: Path = PROJECT_ROOT
@@ -118,6 +121,19 @@ def get_settings() -> Settings:
         "app/infrastructure/persistence/migrations"
     )
 
+    # Job 执行：环境变量 JOB_MODE / QLIB_JOB_MEM_LIMIT_GB 可覆盖 config.yaml（测试用）
+    job_cfg = _deep(cfg, "job") or {}
+    try:
+        job_memory_limit_gb = int(
+            os.environ.get("QLIB_JOB_MEM_LIMIT_GB") or job_cfg.get("max_memory_gb") or 6
+        )
+    except (TypeError, ValueError):
+        job_memory_limit_gb = 6
+    try:
+        job_max_concurrent = int(os.environ.get("QLIB_JOB_MAX_CONCURRENT") or job_cfg.get("max_concurrent_jobs") or 2)
+    except (TypeError, ValueError):
+        job_max_concurrent = 2
+
     return Settings(
         app_name=str(_deep(cfg, "app.name") or "qlib-platform"),
         app_version=str(_deep(cfg, "app.version") or "0.1.0"),
@@ -134,4 +150,7 @@ def get_settings() -> Settings:
         llm_base_url=os.environ.get(llm_url_env) or (agent_llm.get("base_url") or None),
         llm_model=os.environ.get(llm_model_env) or agent_llm.get("model") or "qwen-plus",
         storage=_resolve_storage_dirs(cfg),
+        job_mode=os.environ.get("JOB_MODE") or job_cfg.get("mode") or "subprocess",
+        job_memory_limit_gb=job_memory_limit_gb,
+        job_max_concurrent=job_max_concurrent,
     )