علت قطعی جهانی Outlook و Microsoft 365 چه بود؟ جزئیات باگ پنهان مایکروسافت

یک باگ پنهان چگونه Outlook و Microsoft 365 را در سراسر جهان از کار انداخت؟

گیزمکس
نویسنده: صادق محمدی
شنبه 30 آبان 1405
اختلال جهانی Outlook و Microsoft 365 بر اثر باگ نرم‌افزاری سرورهای مایکروسافت
نقص نرم‌افزاری در زیرساخت شبکه مایکروسافت، دسترسی به Outlook و چند سرویس دیگر را مختل کرد.

اختلال گسترده سرویس‌های مایکروسافت در روزهای ۱۲ و ۱۳ نوامبر ۲۰۲۶، کاربران و سازمان‌های زیادی را در نقاط مختلف جهان با مشکل روبه‌رو کرد. در جریان این حادثه، بسیاری از کاربران نتوانستند به صندوق ایمیل خود در Outlook دسترسی پیدا کنند، پیام بفرستند یا از امکانات تقویم و دعوت‌نامه جلسات استفاده کنند. برخی قابلیت‌های Teams، Copilot و دیگر سرویس‌های Microsoft 365 نیز تحت تأثیر قرار گرفتند.

بر اساس گزارش اولیه پس از حادثه مایکروسافت، ریشه مشکل به یک نقص نرم‌افزاری در سرورهای دروازه شبکه بازمی‌گشت؛ زیرساختی که درخواست‌های ورودی را به سرویس‌هایی مانند Exchange Online هدایت می‌کند. این نقص در پی تغییری نرم‌افزاری که از ماه ژوئیه اجرا شده بود، به وجود آمده بود؛ اما برای چند ماه شناسایی نشد. مشکل زمانی خود را نشان داد که سرورها با الگوی خاصی از افزایش بار پردازشی روبه‌رو شدند.

عامل مهم بعدی، جابه‌جایی ترافیک شبکه در جریان عملیات معمول نگهداری و ارتقای زیرساخت بود. بخشی از ترافیک Teams به همان زیرساختی منتقل شد که درخواست‌های مرتبط با Exchange Online را نیز مدیریت می‌کرد. هم‌زمان، حدود ۱۴ درصد از ظرفیت سرورهای درگیر به دلیل مشکلی جداگانه در دسترس نبود. ترکیب این شرایط، بار غیرمنتظره‌ای به سرورها تحمیل کرد و نقص پنهان را فعال ساخت.

با فعال‌شدن باگ، برخی سرورها در شرایط پردازشی مشخص، منابعی مانند پردازنده و حافظه را بیش از حد مصرف کردند و دیگر قادر به پاسخ‌گویی نبودند. درخواست‌های کاربران نیز در صف پردازش انباشته شدند. سیستم‌های خودکار مایکروسافت تلاش کردند ترافیک را به سرورهای سالم منتقل کنند؛ اما این جابه‌جایی فشار بیشتری به ماشین‌های باقی‌مانده وارد کرد و خرابی به بخش‌های دیگر زیرساخت گسترش یافت. طبق گزارش منتشرشده، در اوج بحران بیش از ۸۰ درصد سرورهای تحت تأثیر پاسخ‌گو نبودند.

یکی از دلایل شناسایی‌نشدن مشکل، تفاوت میان محیط آزمایش و زیرساخت واقعی عنوان شده است. مایکروسافت اعلام کرد آزمایش‌های پیش از انتشار تغییر نرم‌افزاری، روی سخت‌افزاری انجام شده بود که با برخی سرورهای عملیاتی تفاوت داشت. این اختلاف باعث شد رفتار معیوب نرم‌افزار در شرایط واقعی و روی سخت‌افزارهای قدرتمندتر به‌موقع آشکار نشود. در نتیجه، کدی که ماه‌ها بدون بروز اختلال جدی در حال اجرا بود، هنگام تغییر شرایط شبکه به نقطه شکست رسید.

بازگرداندن سرویس‌ها نیز به‌سادگی انجام نشد. وقتی مهندسان سرورها را دوباره راه‌اندازی می‌کردند، حجم درخواست‌هایی که در صف انتظار جمع شده بود به‌سرعت به آن‌ها هجوم می‌آورد و بعضی سرورها دوباره از کار می‌افتادند. این وضعیت به پدیده‌ای موسوم به Thundering Herd شباهت دارد؛ یعنی تعداد زیادی درخواست هم‌زمان به منابعی محدود هجوم می‌برند. از طرف دیگر، ابزارهای معمول بازگردانی نسخه قبلی نرم‌افزار برای برطرف‌کردن نقصی که چند ماه از ورود آن گذشته بود، راه‌حل سریع و مؤثری فراهم نمی‌کردند.

مایکروسافت سرانجام با اعمال اصلاح نرم‌افزاری و راه‌اندازی مرحله‌ای گروه‌های سرور، روند بازگشت سرویس‌ها را پیش برد. اختلال فعال از ۱۲ نوامبر آغاز شد و در ۱۳ نوامبر پایان یافت؛ هرچند پردازش برخی پیام‌های معوق و پایش سامانه‌ها پس از آن نیز ادامه داشت. این شرکت تأکید کرد که حادثه ناشی از حمله سایبری یا فعالیت عوامل هوش مصنوعی نبوده است. این قطعی نشان داد حتی یک نقص قدیمی و ظاهراً بی‌خطر، اگر با افزایش ترافیک و کاهش ظرفیت زیرساخت همراه شود، می‌تواند به اختلالی زنجیره‌ای در سرویس‌های ابری پرکاربرد تبدیل شود.

منبع این گزارش

نظرات کاربرانکپی متنکپی لینک