微软初步报告:元凶是7月补丁,越强的机器死得越快
今年最大的一次科技事故,终于交卷了。监测网站上一度有74个国家和地区报告微软崩了,邮箱、Teams、OneDrive、SharePoint接连沦陷。初步报告给出的方向指向了微软自己:漏洞早在今年7月便已潜伏于公司数据中心,却始终未被发现。一个藏了4个月的缺陷,把全球打工人拽回了纸质时代。36氪知乎知乎

先回忆那天有多狼狈
英国几百家医院用回了纸质病历,很多手术临时取消。日本政务共通平台退回电话加短信办公;法院的判决邮件发不出去,宣布只能推到周一。那篇《微软服务器崩溃后的办公室》两天拿下1.4万赞,配图就五个字:大家依然坚守在岗位上。36氪小红书
评论区有条高赞描述得更具体:同事就坐在一米外,文件却死活传不过去——邮箱不通、Teams不通、Nearby Sharing不通,公司又禁止文件进私人邮箱。"我们半小时内就用QQ邮箱替换上了"算运气好的,更多人没那么幸运:有美国研究机构估算,这次宕机带来的损失大约在70亿美元。36氪
三个伏笔,单拎哪个都不至于出事
7月的补丁在网关服务器里埋下"锁竞争"缺陷,流量骤增会耗尽服务器内存。这缺陷还有点反直觉:CPU核越多、机器越新,犯病越重。36氪知乎
纽约时间11月11日晚,Teams的流量被自动转移到同时承载Outlook流量的另一组服务器上。
事故前一天,因为另一个不相干的问题,主网关有14%的服务器还关闭着,容量还没补齐。
流量高峰一到,三个伏笔会师,服务器一台接一台卡死。而微软的压测主要侧重配置较旧、性能较弱的系统,用来评估更新会不会拖垮薄弱环节——"新型硬件更扛不住"恰恰是测试盲区。缺陷在实验室里隐身,在生产环境里裸奔。知乎

救火过程比宕机本身更刺激
自动容灾把用户迁往"健康"服务器,结果同一缺陷跟到哪崩到哪,不到2小时,主网关超80%的服务器瘫痪。36氪
从零散报错到确认全面故障,微软花了约15小时,之后又花了约15小时才开始推送修复,远超同类事故的通常水平。知乎
回滚最近的更新没用——缺陷已经在系统里跑了4个月,只能把代码改回老版本,一批批重启;
最无奈的是,服务器刚重启,就被积压的流量重新压垮,像极了停电后来电那秒,全屋空调同开、再次跳闸。
邮件体量太大,备用网关接不住,只能在主网关硬扛,所以Outlook恢复最晚。微软官方说明称,故障由一次网络容量升级引发,与网络攻击及人工智能/智能体无关。负责职场软件业务的执行副总裁Charles Lamanna在X平台发文正式道歉,承认实验室模拟的流量模式和硬件配置,与线上真实环境存在偏差。知乎知乎
普通人能抄走什么作业
说实话,个人用户基本拿不到赔偿:SLA赔付是给企业合同的,算下来邮件也只够退半个月服务费。用户端真正有用的就三条:
电脑上装个桌面版Office:云端崩了,本地Word、Excel照样写,恢复后再同步;
重要文件本地留一份底,公司里至少备一条不依赖微软的通知通道,别等宕机当天才现想;
大范围打不开先查状态页(Microsoft 365 status或Downdetector),确认是真宕机,别一个人在工位怀疑自己忘密码。
更远一层看,这次事故把"全公司押在一家供应商"的风险摆上了台面:医院、法院、政务系统,全被同一道闸机卡住脖子。至少在你自己的电脑上,别让一份离你一米远的文件,还得绕地球一圈才能送到。


登录
当前文章无评论,是时候发表评论了