SSE 流式输出网关与背压流控

Server-Sent Events (SSE) 流式输出网关架构与自适应背压流量控制 (SSE Streaming Gateway Architecture & Adaptive Backpressure Flow Control) 是支撑百万级长连接打字机流式交互、防止慢客户端拖垮 GPU 推理引擎的核心接入层网络架构；核心机制：1) SSE 协议长连接管道：基于标准 HTTP/1.1 或 HTTP/2，网关设置响应头 `Content-Type: text/event-stream`, `Cache-Control: no-cache`, `Connection: keep-alive`，以 `data: {...}\n\n` 格式逐 Token 极速推送给前端 UI；2) 响应式背压流控 (Reactive Backpressure): 当客户端处于弱网环境导致 TCP 接收窗口填满时，网关利用有界异步队列 (Bounded Channel) 感知下游积压，自动反向暂停从 GPU 推理引擎拉取后续 Token，并在客户端断开时主动向推理集群发送 `Abort` 信号终止未完成的生成，即刻释放宝贵的 GPU 显存与计算算力。

实时打字机聊天界面 (ChatBot UI)、流式多模态语音/图像交互、百万级高并发 API 网关。

传统短轮询与全量返回导致用户等待数秒才能看到首屏，且用户在中途关闭页面时 GPU 依然在后台死板执行完全部 4096 tokens 造成算力严重浪费；SSE 结合背压与 Abort 信号实现了毫秒级首字呈现与 100% 零浪费算力回收。

详细画出用户客户端、Nginx / Envoy 反向代理网关、FastAPI 中间层与 vLLM 推理引擎之间的 SSE 流式长连接与取消信号 (Abort Signal) 流转图？

Nginx / Load Balancer 缓冲配置避坑：为什么必须显式配置 `proxy_buffering off;` 与 `X-Accel-Buffering: no` 才能保证 Token 实时流式吐出？

WebSocket vs Server-Sent Events (SSE) vs gRPC 双向流在现代大模型对话系统架构中的全方位对比选型？

客户端意外断开 (Client Disconnect) 的心跳探测与 GPU 任务主动取消：如何在 FastAPI 中利用 `request.is_disconnected()` 触发异步取消？

流式输出中的 Markdown 语法闭合与代码高亮：前端如何平滑渲染正在打字机输出中尚未闭合的代码块三反引号？