Microsoft 365 當機近 24 小時,元凶是潛伏自 7 月的 Windows 錯誤

Logo Microsoft 365 và Exchange Online trong sự cố ngừng hoạt động gần 24 giờ

Microsoft 365 當機近 24 小時,根據微軟的初步報告,起因是自 7 月就存在的 Windows Server 錯誤,導致超過 80% 的閘道伺服器停止回應。

⚡ MIGOVI TL;DR

  • Microsoft 365 事故持續近 24 小時,從 11 月 12 日 4:20 PM UTC 到 11 月 13 日 4:10 PM UTC。
  • 原因是 2026 年 7 月部署到網路閘道伺服器的 Windows 更新內含錯誤,再加上 Teams 流量激增與基礎架構容量縮減。
  • 超過 80% 的閘道伺服器在 2 小時內停止回應,其中 Exchange Online 受災最重。
  • 微軟強調,錯誤僅限於 Microsoft 365 閘道基礎架構,不影響一般的 Windows 部署。
  • 最終版事後檢討報告預計在 2026 年 11 月 20 日前公布。

事故過程:持續近 24 小時

微軟日前已修復 Microsoft 365 的重大事故。11 月 12 日至 13 日間,Outlook、Teams、Copilot 與多項雲端服務在全球出現中斷。根據 11 月 15 日發布的初步事後檢討報告(Post-Incident Report,PIR),原因是數月前就已存在的 Windows Server 錯誤。這個錯誤碰上流量暴增與基礎架構容量縮減,最終演變成大範圍事故。

依據 PIR,事故始於 11 月 12 日 4:20 PM UTC,結束於 11 月 13 日 4:10 PM UTC,歷時近 24 小時。Exchange Online 是受影響最嚴重的服務,許多使用者無法正常存取信箱,也無法收發電子郵件。Teams、Copilot、SharePoint 與 OneDrive 中依賴 Exchange Online 的功能同樣出現異常。

Microsoft 365 的 Exchange Online 標誌,這是此次受影響最嚴重的服務
Exchange Online 是此次事故中受衝擊最大的服務。

三項因素疊加,引發連鎖故障

微軟調查指出,第一項因素是一個尚未被發現的錯誤,來自 2026 年 7 月部署到 Microsoft 365 網路閘道伺服器(networking gateway)的 Windows 更新。在某些特定工作負載下,Windows 的一個內部程序會發生鎖定競爭(lock contention),耗盡 CPU 與記憶體,使伺服器停止回應。這個錯誤潛伏了 3 個多月,原因是微軟實驗室多半使用效能較弱、CPU 核心數較少的硬體,錯誤不容易在這類環境中浮現。

第二項因素與 Teams 有關。事故爆發前約 15 小時,Teams 流量從備援閘道自動切換到主要閘道,而主要閘道與 Exchange Online 共用。這類容錯移轉(failover)本是家常便飯,卻增加了受影響基礎架構的負載。此外,由於一起無關的事件,約 14% 的閘道伺服器容量從前一天起就無法使用。

三項因素加在一起,後果相當嚴重。伺服器停止回應後,微軟的自動流量調度系統把請求轉給仍在運作的機器,使這些機器接連過載。僅僅 2 小時,超過 80% 的閘道伺服器就停止回應。以區域為單位限制事故範圍的機制,也沒能擋住錯誤擴散到全球。微軟強調,這個 Windows 錯誤只和 Microsoft 365 的閘道基礎架構有關,不會影響更廣泛的 Windows 部署。

Microsoft 365 事故中的鎖定競爭示意圖,多個執行緒等待同一個鎖
多個程序爭搶同一個鎖,迫使其他程序只能等待。

修復過程與補強措施

復原工作相當棘手,因為伺服器重新啟動後往往仍會當掉,還要承受積壓的大量流量。常規的回復機制也派不上用場,因為出錯的變更早在數月前就已部署。最後,工程師開發並部署修補程式,讓處理連線的程式碼回到先前穩定運作的狀態。從 11 月 13 日起,微軟逐步讓基礎架構恢復服務,Webmail 在 2:17 PM UTC 於全球恢復正常。微軟透過 X 平台上的 Microsoft 365 Status 帳號確認事故已排除,最終的服務狀態通知則在 11 月 14 日發出。

微軟已補強流量分配機制、擴大基礎架構監控並增加容量。事故期間,微軟延長了郵件寄送的逾時(timeout)時間,以保護排隊中的郵件,隨後確認所有積壓郵件均已處理完畢。

初步報告中列出的 Microsoft 365 事故補救措施表格
微軟初步事後檢討報告中列出的補救措施。

微軟表示,這是技術性錯誤,沒有跡象顯示遭到惡意攻擊,也與 AI 代理人無關。不過調查尚未完全結束。微軟預計在 2026 年 11 月 20 日前公布最終版 PIR,並補充更多補救措施,避免類似的大範圍中斷再度發生。

MIGOVI 觀點

最值得注意的是,這個錯誤潛伏了 3 個多月都沒被發現,原因是測試環境無法如實反映多核心 CPU 的實際伺服器配置。對雲端服務供應商而言,教訓在於測試要盡量貼近實際營運的硬體。使用 Microsoft 365 的企業則應重新檢視電子郵件與協作的備援方案,尤其 Teams、Copilot 等服務都共同仰賴 Exchange Online。至於微軟承諾的各項預防措施成效如何,還得等最終報告才能完整評估。

來源:Wccftech

審核人: Hero Association

分享您的想法 ^^

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

觀點

目錄

  1. 事故過程:持續近 24 小時
  2. 三項因素疊加,引發連鎖故障
  3. 修復過程與補強措施