Η Microsoft εξήγησε τι προκάλεσε τη μεγάλη διακοπή του Microsoft 365. Ήταν ένα σφάλμα που υπήρχε από τον Ιούλιο του 2026 και δεν είχε εντοπιστεί. Στο χειρότερο σημείο της διακοπής, πάνω από το 80% των servers της δεν ανταποκρινόταν, και πάρα πολλοί χρήστες δεν μπορούσαν να στείλουν ή να λάβουν email.
Ο Charles Lamanna, επικεφαλής πλατφόρμας της εταιρείας, περιέγραψε πόσο γρήγορα εξαπλώθηκε το πρόβλημα: σε λιγότερο από δύο ώρες, το σφάλμα εμφανίστηκε σε όλους τους servers και τους άφησε χωρίς απόκριση.
Όσο κρατούσε η διακοπή, η Microsoft έλεγε ότι επρόκειτο για τεχνικό ζήτημα και όχι για κυβερνοεπίθεση, και παραδεχόταν ότι η αποκατάσταση αργούσε περισσότερο από όσο περίμενε. Αρνήθηκε επίσης ότι η διακοπή συνδέεται με τις χιλιάδες απολύσεις που είχε ανακοινώσει τον προηγούμενο μήνα.
Πώς δύο προβλήματα έριξαν το Microsoft 365
Η Microsoft έχει δύο ανεξάρτητα συστήματα network gateway, και καθένα, κατά την εταιρεία, μπορεί να σηκώσει μόνο του όλη την κίνηση. Όταν το ένα έπεσε, όλο το φορτίο πέρασε στο άλλο. Αυτό από μόνο του δεν θα έφερνε διακοπή.
Στο δεύτερο σύστημα όμως υπήρχε ένα κρυφό σφάλμα. Είχε μπει με μια διόρθωση που ετοιμάστηκε ειδικά για τους gateway servers του Microsoft 365. Κάτω από ορισμένες συνθήκες φορτίου, μια εσωτερική διεργασία κολλούσε σε ανταγωνισμό για κλειδώματα (lock contention) και ο server δεν ανταποκρινόταν. Οι servers έπεφταν ο ένας μετά τον άλλο.
Γιατί δεν το έπιασαν οι δοκιμές
Η αλλαγή άρχισε να εγκαθίσταται τον Ιούλιο με τη διαδικασία ασφαλούς διάθεσης και μέσα σε μερικές εβδομάδες είχε απλωθεί σε όλο τον κόσμο. Για περισσότερους από τρεις μήνες δεν προκάλεσε κανένα πρόβλημα.
Οι δοκιμές φορτίου δεν το εντόπισαν επειδή τα εργαστήρια δοκιμών είχαν διαφορετική κίνηση και διαφορετικό μείγμα hardware από τους πραγματικούς servers. Το πρόβλημα χειροτέρευε σε μηχανήματα με περισσότερους πυρήνες και νεότερο hardware. Οι δοκιμές όμως γίνονταν κυρίως στα πιο αδύναμα μοντέλα, με λιγότερους πυρήνες.
Σχόλια