微软高管查尔斯·拉马纳(Charles Lamanna)11月16日在X上发了一段话,向所有客户致歉。他同时给出了一个让人意外的结论:11月12日那场席卷全球的Outlook与Exchange Online大瘫痪,根子埋在四个月前的7月。
当天,Teams先出现短暂故障,紧接着Outlook、Exchange Online、SharePoint等Microsoft 365服务接连告急。微软最初的恢复操作没有奏效,数百万人超过12小时无法访问邮件和相关服务。
拉马纳的解释是,2026年7月微软对Microsoft 365的网络网关打了一个软件修正补丁,补丁里混进了新bug。这个bug会引发“锁竞争”——多个处理任务争抢同一份资源,导致处理卡住,在特定负载条件下服务器直接失去响应。
问题代码通过了微软的常规测试,并在数周内铺向全球服务器。测试环境主要用CPU核心数较少的旧型号机器,而这个bug偏偏更容易在核心数多的新型号上发作,所以事先没能测出来。
三个条件叠在一起,才炸了
大故障发生前约15小时,微软把Teams的通信从备用网络网关切到了与Exchange Online共用的主网关。此前一天另一起问题已经吃掉了网关约14%的处理能力,剩下的86%本来够应付日常流量。
Teams流量一加进来,负载和通信模式都变了,潜伏四个月的bug就此浮出水面。
微软的基础设施本来有自动分流机制:某台服务器不响应,就把流量转给正常服务器。但这次分流目标同样负载上升、同样触发bug,故障一台接一台扩散。不到2小时,构成网络网关的服务器有80%以上失去响应。
按设计,拆分服务器群组、按地域隔离基础设施都能挡住扩散,可这些安全措施因另一起问题没能生效。Teams、OneDrive、SharePoint可以把流量从受影响的网关绕开,Exchange Online做不到同等操作。
回滚也走不通
微软称,原有恢复机制没有设想过这么大规模的故障:服务器重启后,积压的通信一拥而上,又把它打回不响应状态。加上bug混入已约4个月,简单把软件退回旧版本也很困难。
最终方案是开发一个修正程序,把出问题的处理逻辑恢复到正常状态;服务器按整组停机、打补丁、再分批重启,服务才逐步恢复。微软表示将在本周内发布最终调查报告,披露更详细的技术信息和防复发措施。
值得注意的是,就在原因公布的11月16日,用户和系统管理员又报告Microsoft 365出现新问题。新问题与11月12日大故障是否相关,目前没有明确说法。
热门跟贴