Microsoftin 365-palveluiden maailmanlaajuinen katkos johtui ohjelmistovirheestä ja infrastruktuurin ylikuormituksesta
Marraskuun 12. päivänä tapahtunut Microsoft 365 -palveluiden laaja käyttökatkos johtui kolmen tekijän yhteisvaikutuksesta, joka lamautti 80 prosenttia yhtiön verkkopalvelimista.
Microsoft on julkaissut alustavan selvityksen 12. marraskuuta tapahtuneesta globaalista palvelukatkoksesta, joka esti miljoonien käyttäjien pääsyn Outlook-, Exchange Online-, Teams- ja SharePoint-palveluihin yli 12 tunnin ajan. Yhtiön mukaan häiriön juurisyy oli heinäkuussa käyttöön otettu ohjelmistovirhe, joka aktivoitui vasta, kun kaksi muuta infrastruktuurin hallintaan liittyvää tekijää osuivat samaan aikaan.
Teknologiajohtaja Charles Lamanna selvensi, että ohjelmistovirhe liittyi palvelimien prosessien lukitsemiseen. Vika ei ilmennyt testausvaiheessa, koska Microsoftin testausympäristöt käyttivät vanhempaa laitteistoa kuin yhtiön tuotantopalvelimet. Vika aktivoitui tehokkaammissa prosessoreissa, kun Teams-liikenteen uudelleenreititys kuormitti verkkoa tavallista enemmän.
Tilanne kärjistyi ketjureaktioksi, kun palveluiden automaattinen virheenkorjausmekanismi siirsi kuormaa ylikuormitetuilta palvelimilta seuraaville. Tämä johti siihen, että palvelinkapasiteetista poistui käytöstä noin 80 prosenttia alle kahdessa tunnissa. Microsoftin mukaan suojamekanismit, joiden oli tarkoitus rajoittaa häiriöiden vaikutusaluetta, epäonnistuivat tilanteessa. Yhtiö valmistelee parhaillaan tarkempaa teknistä raporttia tapauksesta.