A Microsoft szerint egy júliusi bug és néhány speciális körülmény együttállása okozta a múlt heti globális szolgáltatás-kiesést

A bug aktiválódásához szükséges körülmények néhány véletlen folytán álltak össze az elmúlt hét folyamán, ami köze 24 órányi szolgáltatás-kiesést okozott.
Víg Ferenc (J.o.k.e.r)
Víg Ferenc (J.o.k.e.r)
7:52
A Microsoft szerint egy júliusi bug és néhány speciális körülmény együttállása okozta a múlt heti globális szolgáltatás-kiesést
2611 - iPon Black Friday - All-in

A Microsoft online infrastruktúrájának egy része alaposan megbénult az elmúlt hét folyamán, amikor a Microsoft 365 szolgáltatások jó része kiesett, ennek az Outlook, az Exchange Online, a Teams, illetve a Copilot is áldozatául esett. A hiba elhárítása a vártnál sokkal több időt, közel 24 órát igényelt, ami természetesen alaposan felbosszantotta a nagyvállalatokat, a kormányzati és önkormányzati felhasználókat, az átlagfelhasználókat, illetve mindenki mást is, akinek közvetlenül vagy közvetett módon kellemetlenségeket okoztak a szolgáltatások kiesései.

Az eset óta lefolytatott vizsgálatoknak köszönhetően most már rendelkezésre áll egy előzetes beszámoló, ami segít megérteni, mi vezetett a hatalmas, globális szinten is jelentős problémákat okozó kieséshez. A Microsoft csapata kizárta a hackertámadás és a szabotázs lehetőségét, ugyanakkor megneveztek három problémát, amelyek végül a hibához vezettek. Az alapvető gondot egy júliusi szoftveres bug okozta, amire a tesztek során nem derült fény, majd ehhez hozzáadódott a fokozódó szerverterhelés, ami a Microsoft Teams hibájából fakadt, ezt az egészet pedig tetézte, hogy abban az időszakban éppen csökkentett szerverkapacitással működött a vállalat infrastruktúrája.

A beszámoló szerint a hiba lényegében 2026. november 12-én, ET időzóna szerint délelőtt 11 óra 20 perckor kezdődött, teljes elhárítására viszont csak majdnem 24 órával később, 2026. november 12-én délelőtt 11 óra 10 perckor kerülhetett sor. A fennakadást egy júliusi szoftverfrissítés okozta, amiben benne maradt egy hiba, hiába tesztelték alaposan, ugyanis a tesztek sokkal gyengébb hardveren zajlottak, mint ami az infrastruktúrát alkotó szerverek fedélzetén üzemel, így a speciális bugra nem derült fény. A szoftver rendben települt a hálózati kapuként szolgáló Network Gateway szerverekre, majd három hónapig nem is okozott problémát, ugyanis nem merült fel olyan forgalmi terhelés, ami a bug miatt a szerverek túlterhelését és válaszképtelenségét okozta volna.

Galéria megnyitása

A probléma végül azért ütötte fel a fejét, mert a Microsoft Teams szolgáltatás automatikusan átváltott arra a hálózati infrastruktúrára, amit az Exhange Online is használ – erre a globális szolgáltatáskiesés előtt 15 órával került sor. A váltás miatt az érintett szerverek terhelése növekedni kezdett, közben a Microsoft Teams is elszenvedett egy kisebb kiesést, igaz, azt nem árulták el, a két esemény között volt-e összefüggés. A helyzetet tovább rontotta, hogy a szóban forgó időszakban a Microsoft hálózati-átjárószerver kapacitásának 14%-a már offline volt egy másik esemény miatt, ami nem kapcsolódik ehhez a folyamathoz.

Ez önmagában nem lenne probléma, a szerverek így is el tudnák látni a feladatukat, de a Microsoft Teams automatikus infrastruktúra-váltása már túl nagy terhelést okozott, ami aktiválta a júliusi szoftverfrissítésben lapuló bugot és az érintett szerverek azonnal ki is estek. Ennek hatására a rendszer próbálta menteni a menthetőt és a még működő szerverek felé irányította a terhelést, de azok sem bírtak vele, így azok is kiestek. Alig két óra leforgása alatt óriásira nőtt a nem válaszoló szerverek száma, a legmélyebb ponton a teljes infrastruktúrának több, mint 80%-a nem válaszolt. A mérnökök megpróbálták elkülöníteni az egyes régiókat egymástól, hogy a hiba ne terjedjen át egyikből a másikba, de ez sem járt sikerrel, a kiesés végül globális lett.

Az érintett Microsoft 365 szolgáltatások közül sok, például a Teams, a OneDrive és a SharePoint is képes volt arra, hogy alternatív infrastruktúrára álljanak át és így hamarabb helyreállhatott a működésük, az Exhange Online setében ilyen funkció nem állt rendelkezésre, így ez a szolgáltatás hosszabb időre esett ki, ezzel lehetetlenné téve a felhasználók számára a fontos levelezés elérését.

A helyzetet tovább nehezítette, hogy eleinte csak a szervereket próbálták újraindítani, majd ezek az újraindítást követően ismét túlterhelődtek és leálltak, a hiba pontos okának kiderítése csak több óra elteltével sikerült. Amikor a hibát megtalálták, a javítást is elkezdték eljuttatni az érintett szerverekre, ami azt eredményezte, hogy szépen lassan elkezdett helyreállni a rend.

A Microsoft csapata az eset után néhány óvintézkedést eszközölt, már ami a szerver-infrastruktúra működését illeti: továbbfejlesztették a monitoring funkciókat, növelték a szerverkapacitást, illetve olyan biztonsági mechanizmusokat állítottak szolgálatba, amelyek segítenek abban, hogy a jövőben elkerülhető legyen a forgalom-átirányításból fakadó szerver-túlterhelés, ezáltal a nagy volumenű, globális léptékű leállás is kiküszöbölhetővé válik – legalábbis ez a cél.

A vállalat Copilot, Agents and Platform részlegének alelnöke, Charles Lamanna ezzel egy időben elnézést kért a vállalat összes ügyfelétől, akit valamilyen szinten érintett a fiaskó. A Microsoft csapata továbbra is vizsgálódik az ügyben, így a minden részletre kiterjedő teljes jelentés is napvilágot láthat az elkövetkező napok folyamán.

Hírlevél feliratkozás
A feliratkozással elfogadom a Felhasználási feltételeket és az Adatvédelmi nyilatkozatot.

0 hozzászólás

A komment írásához előbb jelentkezz be!

Még nem érkeztek hozzászólások ehhez a cikkhez!

Segíts másoknak, mondd el, mit gondolsz a cikkről.
Vissza az oldal tetejére