Jaeger客户端初始化后无法动态修改采样率，因Sampler被设计为不可变；应使用RemoteSampler从Agent/Collector动态拉取策略，或自定义DynamicProbabilisticSampler配合外部配置更新。
Jaeger 客户端初始化时无法动态修改采样率
Go 的 jaeger-client-go 在初始化 Tracer 后，采样器（Sampler）是只读的——它被封装进不可变的 tracer 实例里，后续调用 tracer.SetSampler() 或类似方法无效。这不是 bug，而是设计使然：采样决策发生在 span 创建瞬间，必须在 tracer 构建阶段就确定策略和参数。
所以“动态配置”不是运行时替换采样器，而是让采样器本身能响应外部变化。官方推荐方式是使用 RemoteSampler，它会定期从 Jaeger Agent 或 Collector 拉取最新采样策略。
-
RemoteSampler默认每 1 秒轮询一次/sampling端点（Agent 监听在localhost:5778） - 需确保 Jaeger Agent 已启动并启用采样配置服务（默认开启）
- 若用 Collector 直连，需开启
--sampling.strategies-file并暴露 HTTP 接口
用 RemoteSampler 替代 ConstSampler 或 ProbabilisticSampler
硬编码的 ConstSampler（始终采样/不采样）或 ProbabilisticSampler（固定概率）无法响应变化。换成 RemoteSampler 后，采样逻辑由远程策略驱动，本地 tracer 自动适配。
示例初始化片段：
cfg := &config.Configuration{
ServiceName: "my-service",
Sampler: &config.SamplerConfig{
Type: "remote",
Param: 1.0, // 初始采样率（仅首次生效，后续以远程为准）
},
Reporter: &config.ReporterConfig{
LocalAgentHostPort: "127.0.0.1:6831",
},
}
tracer, _, err := cfg.NewTracer(config.Logger(jaeger.StdLogger))
if err != nil {
panic(err)
}
注意：Param 这里只是 fallback 值，不是最终采样率；真正生效的是 Agent 返回的 JSON 策略。
如何验证远程策略是否生效
直接访问 Agent 的采样配置接口：curl http://127.0.0.1:5778/sampling?service=my-service。正常返回类似：
{
"strategy_type": "PROBABILISTIC",
"probabilistic_sampling": {"sampling_rate": 0.1}
}
如果返回空或 404，说明 Agent 未运行，或服务名不匹配（大小写、特殊字符需一致）。常见错误：
- Agent 启动时没加
--collector.host-port（导致无法同步策略） - Go 服务注册的
ServiceName和 curl 请求中 service 参数不完全一致 - Agent 日志出现
no sampling strategy for service，表示策略文件未覆盖该服务
自定义策略更新逻辑（绕过 RemoteSampler 限制）
某些场景下你无法依赖 Agent（比如离线环境、多集群隔离），这时可封装一个可热更新的采样器。核心是实现 jaeger.Sampler 接口，并用原子变量或 mutex 控制 IsSampled() 的判断依据：
type DynamicProbabilisticSampler struct {
rate atomic.Float64
}
func (s *DynamicProbabilisticSampler) IsSampled(traceID uint64) bool {
r := s.rate.Load()
return rand.Float64() <p>然后在 tracer 初始化时传入该实例。但注意：此方式要求你在业务代码中显式调用 <code>SetRate()</code>，且需确保所有 goroutine 看到新值——它不自动感知配置中心变更，仍需配合 etcd / consul / file watch 等机制触发更新。</p><p>这种 DIY 方式灵活，但丢失了 Jaeger 生态的统一策略管理能力，调试和审计成本更高。</p><p>真正麻烦的不是换采样器，而是让所有服务实例在同一时刻拿到一致的新采样率——Agent 拉取是最终一致，而自定义方案容易因更新时机不同导致采样倾斜。这点常被忽略。</p>
