上周,微软365(Microsoft 365)遭遇今年最严重的大规模全球宕机,服务中断持续约24小时,跨越两个工作日才完全恢复。此次故障影响深远,引发业界对云服务稳定性的广泛关注。

“完美风暴”:三重因素叠加

微软在官方声明中披露,此次事故并非单一原因所致,而是由三个独立问题同时发生引发的“完美风暴”:

  • 潜在软件缺陷:一个在2026年7月更新中引入的代码缺陷,导致服务器在特定负载条件下无响应。该缺陷旨在修复网络网关问题,但在随后的数月测试及正常负载中未被触发。
  • 流量异常激增:在全球宕机发生前15小时,微软Teams从备用网络网关“故障转移”至支持Exchange Online的主网关。这一操作大幅增加了主网关的流量负载,触发了上述潜在缺陷。
  • 服务器容量不足:巧合的是,受前一天无关问题的影响,近14%的网络网关服务能力处于离线状态。虽然剩余容量在正常情况下足以维持运行,但在高负载冲击下显得捉襟见肘。

微软Copilot及平台执行副总裁查尔斯·拉曼纳(Charles Lamanna)指出,若单独来看,任何一个问题均不足以造成大规模瘫痪。但当增加的负载、减少的服务器容量与潜在代码缺陷相遇,且恰逢美国网络流量峰值时段,系统最终因请求积压而停止响应。

修复困境与后续补偿

此次恢复时间远超常态,主要原因在于服务器重启后立即被积压的请求再次淹没。此外,由于缺陷根源可追溯至7月的更新,微软无法通过简单的代码回滚来解决问题,必须在短时间内紧急开发补丁,将系统恢复至之前的“良好状态”。

微软已就此次宕机向用户致歉,并表示受影响的企业客户可通过Microsoft 365管理中心提交索赔申请,以获得相应的停机补偿。这一事件再次提醒市场,即便对于全球科技巨头而言,复杂的技术架构仍面临不可预测的重大风险。