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/quant/qlib_adapter/engine.py

@@ -39,10 +39,21 @@ class QlibEngine(QuantEngine):
 
     name = "qlib"
 
+    # qlib 落盘需要 OHLCV（vwap/factor 由本地合成，不来自行情表）
+    _DUMP_COLUMNS = {"open", "high", "low", "close", "volume", "amount"}
+
     def __init__(self, qlib_dir: Path | None = None) -> None:
         # 默认落盘到 data/qlib（与 storage.qlib_dir 一致）；可注入临时目录便于测试
         self.qlib_dir = qlib_dir or _default_qlib_dir()
 
+    def required_columns(self, spec: ResearchSpec) -> set[str]:
+        # 回测需把全字段落盘成 qlib 数据集；因子测试走共享实现，只需 close+因子字段
+        if spec.type == "backtest":
+            return set(self._DUMP_COLUMNS)
+        from app.quant.engine import factor_required_columns
+
+        return factor_required_columns(spec)
+
     def run_factor_test(
         self, daily: pd.DataFrame, spec: ResearchSpec, horizon_days: int = 21
     ) -> FactorTestReport: