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/domain/repositories/jobs.py

@@ -16,6 +16,9 @@ class JobRepository(Protocol):
 
     def list_recent(self, kind: str | None = None, limit: int = 20) -> list[JobRecord]: ...
 
+    def list_by_status(self, status: str, limit: int = 100) -> list[JobRecord]:
+        """按状态查询（服务启动清理残留 queued/running 用）。"""
+
 
 class ExperimentRepository(Protocol):
     def save(self, experiment: ExperimentRecord) -> ExperimentRecord: ...

backend/app/domain/repositories/market.py

@@ -6,7 +6,7 @@
 
 from __future__ import annotations
 
-from collections.abc import Sequence
+from collections.abc import Iterator, Sequence
 from datetime import date
 from typing import Protocol
 
@@ -45,6 +45,20 @@ class DailyBarRepository(Protocol):
     def get_range_many(self, symbols: Sequence[str], start: date, end: date) -> list[DailyBar]:
         """批量区间查询（研究服务装配面板用，避免逐只查询）。"""
 
+    def stream_range_many_columns(
+        self,
+        symbols: Sequence[str],
+        start: date,
+        end: date,
+        columns: Sequence[str],
+    ) -> Iterator[tuple]:
+        """流式（分批 yield）返回 symbol, trade_date(iso str), 数值列(float) 元组。
+
+        研究装配大数据面板专用：只 SELECT 所需列并在 SQL 侧转 REAL，
+        避免 ORM 对象 / Decimal 全量物化（内存大头，见内存优化专项）。
+        实现可选——ResearchService 会对缺失该方法的老实现回退到 get_range_many。
+        """
+
     def latest_date(self, symbol: str) -> date | None:
         """断点续传用：该股票本地已有数据的最新交易日。"""