Microsoft 365 故障初查:閘道缺陷如何演成全球級聯失效
Tech News

Microsoft 365 故障初查:閘道缺陷如何演成全球級聯失效

圖片:Microsoft
TechLab 編輯部·

11 月 12 日的 Microsoft 365 中斷,令 Outlook 電郵、行事曆及會議邀請受阻。TechNews 科技新報 報道,微軟初步調查把事故指向 Microsoft 365 網路閘道的級聯失效:一項 7 月部署的程式變更,遇上流量重新分配與可用容量下降後,最終令超過八成相關伺服器停止回應。

不過,這仍是微軟高層公開的初步說明,完整事故檢討報告尚待發布。現有資料亦未提供台灣或香港的受影響數字,不能據此推斷本地中斷規模。

三項條件同時出現

微軟表示,問題核心是只供 Microsoft 365 網路閘道使用的修正程式。它在特定負載下會出現內部鎖定競爭,使 server 過載並失去回應。程式自 7 月逐步推送、運作數月未見異常;微軟稱,實驗室採用的流量與硬件組合未能重現問題,且較新、核心數較多的硬件更容易受到影響。

缺陷本身未必足以造成大規模中斷。事故前約 15 小時,Teams 流量從另一套閘道切換至同時支援 Exchange Online 的主要閘道;同時,該閘道約 14% 容量因前一天另一宗無關問題而離線。流量增加、模式改變及容量減少疊加,令請求開始堆積。

系統原本會把連線導往健康端點,但這次轉移反而把壓力推向餘下 server,讓同一缺陷逐台被觸發。微軟並稱,分區之間原有的隔離機制當時未能攔住擴散,因此故障蔓延至全球閘道基礎設施。

Microsoft 官方服務狀態頁

為何部分服務較早恢復

Teams、OneDrive、SharePoint 與 Office app 能改走其他基礎設施,所以較早恢復;Teams 聊天及會議在大部分中斷期間仍可使用。Exchange Online 則無法脫離受影響閘道,令依賴 Outlook 的郵件、行事曆與會議流程承受較長影響。

復原也非單純重啟即可完成。排隊請求會在 server 回復連線後立即湧入,令它再次失去回應;而既有自動復原程序並非針對如此廣泛的失效狀態設計。工程團隊最後把 server 分組下線,套用讓程式路徑回到已知穩定狀態的更新後重啟,再逐步放回服務。

微軟強調,缺陷及相關修正只涉及 Microsoft 365 網路閘道,並不適用於一般 Windows 部署。對用戶而言,這不代表需要在電腦上安裝 Windows 修補程式。

圖片:Microsoft

雲端備援不能只看服務可用性

這次事故顯示,高可用設計若遇到共同缺陷,流量切換也可能加速故障傳播。兩套閘道、容量餘裕與自動轉送原是韌性措施,但在相同程式缺陷、流量集中及隔離失效同時存在時,便可能無法維持保護作用。

對企業來說,較實際的準備包括:由管理員透過 Microsoft 365 Service Health 確認狀態;預先保留不依賴同一平台的緊急聯絡渠道;並為關鍵郵件、排程及文件協作訂定短期替代流程。這些安排未必能避免雲端供應商中斷,卻能降低人員在事故期間無法聯繫、無法決策的營運風險。

下一步要看微軟的完整事故檢討,尤其是其如何修正測試覆蓋、分區隔離與大範圍復原流程。這些細節將決定同類缺陷再次出現時,影響能否被限制在局部服務,而非擴大成整個協作平台的中斷。

延伸閱讀

AI 輔助說明: 本文由 AI 協助整理。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook