根源找到了!微软365全球大宕机真相:藏了3个月的BUG干垮80%服务器
快科技11月17日消息,微软正式公布了Microsoft 365全球大宕机的初步调查报告。报告显示,此次导致Outlook、Teams等服务中断近24小时的元凶,是一个隐藏在Windows Server系统中长达3个月的底层缺陷。
该缺陷在特定负载下会触发严重的锁竞争,导致服务器资源被瞬间耗尽。

根据微软披露的事故时间线,故障始于UTC时间11月12日16时20分,直到次日16时10分才基本解决,其中Exchange Online服务受灾最重,全球大量用户无法收发邮件,甚至连Copilot等依赖该服务的AI功能也陷入瘫痪。
故障开始后两小时内,超过80%的网络网关服务器停止响应,原本用于把故障限制在单个区域内的防护机制,也没能阻止事态向全球蔓延。

技术层面的根源可以追溯到2026年7月的一次系统更新。微软在网关服务器的底层代码中引入了一个隐蔽缺陷,当多个内部进程同时争夺同一个资源锁时,会导致CPU和内存占用率飙升直至系统无响应。
尴尬的是,微软在实验室测试时使用了性能较低、核心数较少的硬件,这使得该Bug在测试环境下未能触发,成功躲过了上线前的所有审查。
除此之外,故障的全面爆发还受到了其他因素的叠加影响。在事故发生前15小时,Teams的流量被自动重定向到了与Exchange共享的主网关上,加重了基础设施的负担。
而且前一天未修复的另一处故障导致网关容量已经减少了14%。在资源紧张的情况下,自动化流量管理系统试图将请求转移到正常服务器,却反而将健康的服务器一个个压死,形成了雪崩式效应。
由于该缺陷代码已经部署超过3个月,微软常规的快速回滚机制完全失效。工程师不得不紧急开发修复补丁,将连接处理代码恢复到功能正常的状态。
目前微软已增加了流量分配保护机制,并确认所有堆积的邮件已处理完毕。

编辑:青山
【本文结束】如需转载请务必注明出处:快科技
