refactor: PG-only 迁移 + 龙虎榜/tick/moneyflow 同步 + stock_code 统一 + mairui 编码修复

## 1. PG-only 重构
- 删 app/core/db/connection.py + schema.py (MySQL 路径)
- 新 app/core/db/{orm,models,pg_bootstrap}.py — SQLAlchemy 2.x ORM 一键建表
- 16 张业务表全在 market_data schema,原生 TIMESTAMPTZ / JSONB / Float / TEXT
- requirements.txt 删 PyMySQL 路径,加 psycopg2

## 2. 同步任务扩展(3 个新 task)
- **tick_trade** (mairui hsrl/zbjy):当天逐笔交易,21:00 发布
- **moneyflow** (mairui hsstock/history/transaction):个股资金流,21:30 发布
- **longhubang** (akshare):龙虎榜聚合层 + 席位层(2 张新表)
  - 长虎榜放宽 akshare 政策:仅"无替代源 + 烟测通过"场景允许
  - data_eastmoney 私有 API 不需要(akshare 烟测通过)
- 3-timer 设计:
  - 15:30 market-sync.service (8 base tasks via runall_once)
  - 21:05 market-sync-tick.service (tick_trade)
  - 21:35 market-sync-moneyflow.service (moneyflow)
  - 22:00 market-sync-lhb.service (longhubang,新加)
- bin/systemd/ 新增 tick / moneyflow / lhb 各 1 对 service+timer
- bin/market_sync_*_run.sh wrapper 脚本(不做法定节假日过滤,fail-open)

## 3. stock_code 统一为带 SH/SZ/BJ 前缀
- 历史 bug:stocks.code 用 SH600519,但 kline/moneyflow/tick_trade/kline_5min
  /stock_sector_map/industry 6 张表用纯 6 位 600519,跨表 JOIN 全部 0 行
- 新增 to_hermes() 工具:6位 / 9位(mairui `000001.SZ` 格式)→ 统一 SH000001
- 5 个 task 改写:用 to_hermes(code6) 写入 stock_code
- 一次性迁移 6 张表存量 154M 行(CASE WHEN 探测 + 去重 + 加前缀)
- ORM: stock_sector_map.stock_code / industry.code String(6)→String(10)

## 4. Bug 修复
- **share table stock_code 格式**:之前写 6 位不带前缀,与 stocks 不一致
  → 修 task_share_snapshot + 一次性 UPDATE 63,417 行加前缀
- **share_snapshot warning 状态错填 last_error**:
  → 加 mark_sync_warning() 走专用路径,不写 last_failure_at / last_error
- **schedule config lastRun 不同步**:
  → 加 update_job_status_for_dataset(),SyncTask.run() 完成后自动镜像
  → cli/runall 触发的 task 也能更新 schedule config

## 5. mairui UTF-8 编码修复
- 历史 bug:mairui.py:_fetch 用 latin-1 兜底解码,把所有 UTF-8 中文名
  double-encoded 写入 stocks.name(如 `歌华有线` 变成 `æ\xad\x8cå\x8d\x8e...`)
- 加 _decode_response():UTF-8 → GBK → latin-1 兜底
- 一次性修复 stocks.name 5,213 行:
  - 4,370 行 (encode('latin-1').decode('utf-8') 反向解码)
  - 616 行 (含 fullwidth Ａ,宽松 printable 检查)
  - 820 行 (mid-character 截断,重新从 mairui 拉)

## 6. 测试
- tests/test_smoke.py: TASKS 10→11, SYNC_DEFINITIONS 10→11
- tests/test_schema_models.py: 16→18 张表,新增 longhubang_daily/seat
- pytest 11/11 passed

## 验证
- 6 张表 0 残留无前缀行
- stocks JOIN kline_stock / kline_5min / moneyflow / tick_trade / stock_sector_map:88-100% 命中
- 5,213 stocks.name 全部正确 UTF-8 中文
- pytest 11/11 passed

app/tasks/task_sector_features.py

@@ -5,7 +5,7 @@
   - sector_indices         ：行业日线（trade_date × sector_name × close × sector_amplitude）
   - sector_features_daily  ：行业特征（+ sector_ret + ema10/20/200 + score）
 
-算法（参考 dashboard/api/services/sync/sector.py 重写，持久层改为 MySQL）：
+算法（参考 dashboard/api/services/sync/sector.py 重写，持久层改为 PG）：
   1) 每只股票日涨跌幅 pct_chg = (close/prev_close - 1) * 100
   2) 按行业聚合 sector_ret = 该行业所有股票当日 pct_chg 的均值
   3) 行业指数 close = 100 × ∏(1 + sector_ret/100) （基点 100，复合收益）
@@ -26,7 +26,6 @@ from sqlalchemy import create_engine
 
 from app.core.config import settings
 from app.core.db import ops as db_ops
-from app.core.db.connection import get_mysql
 from app.core.sync.base import SyncTask
 from app.core.utils.logging import get_logger
 
@@ -56,11 +55,11 @@ class SyncSectorFeatures(SyncTask):
         logger.info("[sector] 启动行业聚合特征计算")
 
         # ── 1) 拉 kline_stock（日线）只取需要的列 ──
-        # 用 SQLAlchemy engine（pymysql 裸连接 + pd.read_sql 偶发只读 1 行的 bug）
-        engine = create_engine(settings.mysql_url())
+        # 走 SQLAlchemy engine + PG URL（pd.read_sql 一次性读 1.1kw 行 → pandas DataFrame）
+        engine = create_engine(settings.pg_sqlalchemy_url())
         df_kline = pd.read_sql(
-            "SELECT stock_code, trade_date, open, high, low, `close`, volume "
-            "FROM kline_stock ORDER BY stock_code, trade_date",
+            'SELECT stock_code, trade_date, open, high, low, "close", volume '
+            'FROM market_data.kline_stock ORDER BY stock_code, trade_date',
             engine,
         )
         if df_kline.empty:
@@ -72,7 +71,7 @@ class SyncSectorFeatures(SyncTask):
 
         # ── 2) 拉 industry（股票→行业映射）──
         df_ind = pd.read_sql(
-            "SELECT code, industry_name FROM industry WHERE industry_name IS NOT NULL",
+            "SELECT code, industry_name FROM market_data.industry WHERE industry_name IS NOT NULL",
             engine,
         )
         if df_ind.empty: