故障最严重的时候,英国几百家医院用回了纸质病历,不少手术被临时取消。日本数字厅的职员改用电话和短信。
同一时间,74个国家和地区的Microsoft 365用户发现,邮箱登不上了。36氪

出事的不只是Outlook。Teams、SharePoint、Copilot也陆续连接失败。全球累计收到740多万条故障反馈。央视新闻
故障持续超过24小时。微软13日道歉,当天说消费级服务已恢复,企业服务还在回血。17日,CEO纳德拉在Ignite大会上说,还有很多工作要做。第一财经
不是黑客,也不是AI
起因是一次「为提升服务能力而部署的变更」没有按预期生效。微软的初步事故报告给了答案:不是网络攻击,也不是AI代理。界面新闻
第一个问题埋在7月。微软对Microsoft 365网络网关做过一次修改,留下一个缺陷。测试没发现它,因为实验室的流量和硬件配置跟真实环境不一样。
微软的测试习惯盯着配置较旧、性能较弱的机器。这个缺陷偏偏在性能更强的新硬件上破坏力更大。
第二个问题在11月11日晚上。纽约时间晚8点左右,一次自动流量切换,把Teams的流量挪到了同时承载Outlook的服务器上。
同一周,另一个不相干的问题已经让部分服务器损失了容量。
三个条件凑齐,又赶上美国企业的流量高峰。服务器内存耗尽,一台接一台倒下。
自动容灾系统把流量转到它认为「健康」的服务器,可那些服务器有同样的缺陷,转到哪,哪就失效。
隔离机制也没挡住,问题扩散到了全球。不到两个小时,超过80%的主网关服务器失效。36氪

事故之后,网上流传「裁掉老工程师、让AI脚本运维」的说法。微软的初步报告没有支持它,官方也明确表示故障与AI无关。
但它戳中一个真实的担心:当公司同时推进AI提效和人员收缩,系统里的「隐性知识」由谁接住?
为什么修了24小时
从出现零散故障,到微软确认是全面问题,用了约15个小时。确认之后,又花了约15个小时才开始推送修复。华尔街见闻
备用系统这时派上了用场。Teams、OneDrive、SharePoint陆续切过去,恢复得早一些。邮件不行:Exchange Online体量太大,备用网关接不住。
重启后,积压的流量又把服务器压垮,只能一轮一轮地试。
那个缺陷潜伏了四个月,回滚最近的更新没有用。最后是把代码改回旧版本,再一批一批重启,才把服务救回来。
「切到备用」听起来像按个按钮,实际却花了超过24小时。备用系统接不住全部流量。
赔偿只够付半个月邮箱费
服务等级协议写得很清楚:某项服务一个月可用率低于99.9%,退当月费用的25%;低于99%,退50%;低于95%,全额退。
按30天算,邮件停24小时,可用率约96.7%,对应退半个月的邮件服务费。
一家100人的公司,用Microsoft 365商业标准版,一个月约1400美元。整套服务按一半退,最多700美元;只算邮件,还会更少。
服务等级协议保的是「服务费」,不是「业务损失」。医院取消的手术、法院推迟的判决、公司错过的订单,都不在赔付范围里。
普通人能做什么
重要邮件、联系人和OneDrive文件,留一份本地或第三方导出。关键账号的找回邮箱,别只用同一个套件里的服务。合同里的SLA和赔付流程,提前问清楚。
微软已经警告,故障期间出现了冒充「服务健康通知」的钓鱼邮件,声称邮件被暂扣、24小时内删除,诱导点击链接,这类邮件不要点。界面新闻
一个缺陷藏了四个月,没人发现。直到Teams挪了个位置,一部分机器还没恢复,美国的上班高峰到了。三件小事碰头,半个地球的邮箱一起停了。
复杂系统很难不出错。真正决定损失大小的,是出错之后,还能不能退回上一版。
当前文章无评论,是时候发表评论了