Microsoft опубликовала 15 ноября предварительный разбор сбоя облачных сервисов, начавшегося 12 ноября. Компания связывает его с дефектом, внесённым в июле 2026 года при обновлении сетевых шлюзов. Ранее мы сообщали о восстановлении сервисов; теперь компания раскрыла механизм отказа. Окончательный отчёт ожидается 20 ноября

По версии компании, одновременно совпали два обстоятельства: переключение сервиса видеосвязи на основной шлюз корпоративной почты увеличило нагрузку, а почти 14% серверных мощностей шлюза были недоступны. Каждое обстоятельство по отдельности считалось допустимым. Вместе они активировали скрытую ошибку: конкуренция за блокировки во внутреннем процессе операционной системы приводила к исчерпанию ресурсов процессора и памяти

Перенаправление трафика с отказавших серверов на исправные запустило цепную реакцию. За два часа проблема распространилась по серверному парку, а в худший момент не отвечали более 80% машин. Автоматическое восстановление не было рассчитано на такой масштаб отказа. Возвращённые в строй серверы снова оказывались перегружены, а корпоративная почта не могла уйти с проблемных шлюзов из-за ограничений масштабирования

Microsoft сообщила, что нагрузочные испытания были сосредоточены на менее мощном оборудовании с меньшим числом ядер. Между тем конкуренция за блокировки усиливалась именно на новых многоядерных машинах. Простой откат был невозможен из-за давности изменения: инженеры подготовили отдельное исправление, возвращавшее прежнее поведение кода, и развёртывали его группами серверов

Достаточно ли проверять предельную нагрузку, если испытательные машины отличаются от рабочих по числу ядер? В этом случае более мощное оборудование усилило дефект, а перенос трафика распространил отказ. Поэтому проверять нужно не только производительность отдельного сервера, но и поведение всей системы при потере части мощностей

Первоисточник — The Register

Нашли неточность?

Сообщите редакции. Существенные исправления мы отмечаем в материале