微软解释三项问题如何共同导致全球服务中断
Nick Indge · 发布 2026/11/16 · 更新 2026/11/17

微软的初步事件报告显示,潜伏的网关缺陷、流量变化和容量下降共同导致 Microsoft 365 等服务大规模中断。公司预计于 11 月 20 日发布最终报告。
微软云网关中一个自 7 月以来潜伏的缺陷,导致了该公司历史上规模最大的服务中断之一。微软发布的初步事件报告说明了潜在漏洞、流量变化和服务器容量下降如何共同造成上周末大量 Microsoft 365 和 Exchange 基础设施离线。报告将事件最终状态列为“与网络攻击或 AI/智能体无关的技术问题”。
微软的初步报告显示,中断从 11 月 12 日 16:20 UTC 持续到 11 月 13 日 16:10 UTC,总计略少于 24 小时;受影响系统的额外监测一直持续到 11 月 14 日。
故障从 11 月 12 日开始,很快波及依赖微软云和邮件交换基础设施的企业与公共机构。微软的事件编号为 EX1550543 和 MO1550821。查看微软状态页面上的完整报告需要 Microsoft 365 管理员凭据,不过 Office Watch 已转载初步报告,宾夕法尼亚大学也保存了微软服务健康更新的存档。
多种因素叠加
微软将中断归因于三个因素。自 7 月起部署到其云网关的一项变更引入了一个漏洞:在特定条件下,CPU 和内存资源可能耗尽并停止响应。微软称,发布前测试未发现这一缺陷,是因为使用的硬件性能低于部分已在生产环境部署的系统;新机器更高的 CPU 核心数似乎促成了锁定问题。
第二个因素是服务器负载。微软表示:“标准网络维护和升级期间的流量转移暴露了一个潜在漏洞。”该公司使用两套独立网关系统访问 Microsoft 365,以提高韧性。如果一套系统出现问题、用户无法从入口访问,另一套就会开放以维持流量。报告称,中断发生约 15 小时前,Teams 流量从备用网关转移到了负责 Exchange Online 访问的主网关。这是标准的故障保护切换,但使网关承受了更多流量,请求类型也与之前不同。随着请求不断积压,受影响服务器耗尽容量并拒绝新的连接请求。
流量转移暴露了第三个因素:基础设施容量。原有故障意味着微软的网关服务器群运行容量比最佳状态低 14%。正常情况下,这部分余量本可吸收需求,但与流量模式变化和底层缺陷叠加后,随着请求持续积压,网关出现了锁竞争。
美国业务进入日常高峰时,网关服务器开始冻结。将请求转移离开无响应服务器的备用系统按预期运行,却在本应健康的备用网关上遭遇了同样的锁定。这产生了滚雪球效应,使超过 80% 的受影响网关服务器被冻结。按区域隔离受影响系统的机制似乎也失效了,微软当前的报告没有说明这些隔离系统可能失效的原因。
恢复并不容易
恢复比平时耗时更长,因为修复需要微软工程师实施有针对性的系统更新。重启网关服务器的尝试没有效果:服务器重新上线时,大量排队请求仍在等待访问,立即再次触发了导致故障的资源耗尽。微软称,Teams、OneDrive 和其他 Office 应用等服务可以绕开受影响的基础设施,但扩展能力的限制使 Exchange Online 无法采取类似方式。
由于 7 月引入的漏洞当时仍未被发现,系统回滚同样无效。简单地返回此前“正常工作”的状态也无法解决问题,因为缺陷早已存在。服务器经过修补后逐步恢复服务;微软表示,已增加容量并设置流量分配保护措施,以避免类似情况再次发生。微软还延长了受影响电子邮件的投递超时期限,防止延迟邮件因无法送达而退回。
微软预计于 11 月 20 日发布完整的最终事件报告。最终报告可能进一步解释区域隔离系统为何失效,以及将采取哪些纠正措施来避免类似中断。截至周一上午,微软所有云服务看起来均已上线并正常运行。
来源:Ars Technica