微软官方披露,导致周四全球范围大规模服务中断的隐患早已埋下。此次故障致使Outlook、Teams、OneDrive及SharePoint等核心产品下线约一整天,波及医院、警方及学校等关键机构,造成全球业务停滞。

根源:七月更新遗留缺陷

微软在初步调查报告中指出,故障由“三个因素”共同引发,其根源可追溯至7月。当时,微软向支撑Microsoft 365的服务器推送了一项更新。在随后数周及长达三个多月的时间里,该更新看似平稳运行,测试也未显示异常。

然而,该更新包含一个隐蔽缺陷:在处理高负载时,服务器会出现过载和无响应。由于测试环节未涵盖大量流量场景,且未在更新、更强大的硬件上进行验证,这一致命问题未被及时发现。

触发:流量激增与容量缩减叠加

故障发生前约15小时,微软Teams从原有网络切换至与Exchange Online(负责Outlook邮件发送)共享的网络。尽管此类切换通常无害,但当时微软约14%的服务器容量因无关问题处于不可用状态。

“增加的负载”与“减少的处理能力”形成双重挤压,触发了自7月以来潜伏的系统缺陷。请求迅速堆积,服务器停止响应。正值美国交通高峰期,系统自动将流量切换至其他正常服务器,反而导致更多服务器因过载而离线。

不到两小时内,连锁反应蔓延至整个网络。在最严重时刻,高达80%的微软服务器无法响应,系统彻底崩溃。

困境:无法回滚,修复受阻

由于Outlook无法像其他应用那样切换至非故障网络,其恢复过程尤为艰难。更棘手的是,因缺陷源于数月前的底层变更,微软无法简单执行“回滚”操作。

修复团队不得不构建新补丁,并将服务器分组下线、更新后重启。然而,一旦服务器重新上线,立即遭遇海量流量冲击而再次过载离线,导致修复工作进一步延迟。

微软Copilot、代理和平台执行副总裁Charles Lamanna对客户遭受的影响深表歉意,承认这严重干扰了客户的正常业务运营。微软表示,将在本周晚些时候发布关于此次事件的详细最终报告。