微软官方还AI清白,却承认了另一件更让人后怕的事
一封告警邮件没送到,德国真有人进了医院。
11月13日,德国一家酒店泳池加氯设备故障,池水氯含量严重超标。安全监测系统尽责地发了告警,走的却是邮件,撞上微软365宕机,没人收到。15人呼吸道刺激,4人送医。这是本轮故障里,最让人后背发凉的一起后果。微博
先把规模摆回来:故障从11月12日持续到14日,焦点是Exchange Online(Outlook的邮件和日历引擎),外溢到Teams、Copilot、SharePoint,连OpenAI和Anthropic接入微软的功能都跟着瘫。Downdetector收到约75个国家和地区的用户报告,美国单日峰值约14万起。全球累计故障反馈超740万条。知乎微博

11月16日,微软公布初步复盘,先给AI洗清嫌疑:这次不是网络攻击,也和AI、智能体无关。真凶是三件事叠加:一个潜伏了三个多月的软件缺陷,叠加一次正常的流量切换和部分服务器容量不足。Teams的自动故障转移把流量压到与邮件共用的那批服务器上。而另一个无关问题,已经让约14%的网关服务器容量离线。知乎知乎知乎知乎
之前全网刷屏的"AI脚本乱改服务器"“裁员裁到大动脉”,出自匿名职场社区的一条发帖,当事人后来自己承认是恶搞,微软也明确否认。但微博热评"减员增笑"能拿124个赞,说明很多人信了、也愿意信。另有匿名员工称,资深维护者流失让定位和回滚变慢,这些微软都没证实。知乎微博微博
真正该后怕的,是复盘里藏不住的那份时间线。从零星报错到确认全面故障,花了约15小时;从确认到推送修复,又过了约15小时。知乎
那项为网关服务器准备的修复,引入了一个此前没被发现的缺陷,触发后进程锁竞争,CPU和内存被大量消耗。缺陷早在7月就埋进了数据中心,常规回滚近期变更对它自然无效。本用来隔离故障的跨区域机制没拦住,容灾自动化反而把带病流量搬进"健康"服务器。恢复上线的机器被积压流量冲垮,修复陷入循环。知乎知乎
微软高管Lamanna解释了测试为什么没拦住:微软的测试通常侧重配置较旧、性能较弱的系统,而这次把服务器打宕的漏洞,在新硬件上破坏力反而更大。安全网自己长了盲区。知乎

有意思的是,就在复盘前几天,纳德拉还在DealBook峰会上说"AI让网络变得越来越脆弱",他说近期中断可能不是偶发。11月19日的Ignite大会上,他亲自为这次全球宕机道歉,承认微软在提升服务韧性方面仍有工作要做。这次元凶确实不是AI,但AI把发补丁、改架构的速度顶上去之后,老缺陷加自动化的连锁放大,正是他担心的结构性风险。知乎微博
市场这边没有等谁道歉,周一盘中微软再跌1.2%。美国众议院国土安全委员会主席加巴里诺向微软要说法,点破的词是"集中":关键基础设施挂在少数几家供应商身上。英国NCSC则警告,冒充"IT服务台"的诈骗正趁乱增加。11月18日,苹果、万豪等美国公司又曝出网络故障,近期美国更是连环出现多起技术系统故障。知乎知乎中新网

普通人记住两条就够:邮件投递窗口延长到48小时,重要邮件别急着重发。这时候主动来电帮你"恢复邮箱"的,先当骗子。等最终完整报告出来,再看这道题有没有解。AI没搞崩微软,但微软把"没人看得懂的老代码+停不下来的变更"这对组合,替所有云用户先试了一遍雷。知乎
当前文章无评论,是时候发表评论了