Η Microsoft αποκάλυψε τι κρύβεται πίσω από τη μεγάλη τεχνική κατάρρευση που έθεσε εκτός λειτουργίας το Outlook, το Teams και άλλες δημοφιλείς υπηρεσίες της Microsoft 365, προκαλώντας σοβαρά προβλήματα σε εκατομμύρια χρήστες σε δεκάδες χώρες. Σύμφωνα με την πρώτη ανάλυση της εταιρείας, η δυσλειτουργία δεν προκλήθηκε από έναν μεμονωμένο παράγοντα, αλλά από την ταυτόχρονη εμφάνιση τριών διαφορετικών προβλημάτων, τα οποία τελικά δημιούργησαν μια αλυσιδωτή αντίδραση.
Όπως εξήγησε ο Τσαρλς Λαμάνα, εκτελεστικός αντιπρόεδρος της Microsoft με αρμοδιότητα τα Copilot, Agents και Platform, η αρχή του προβλήματος εντοπίζεται σε ένα κρυφό σφάλμα στον κώδικα των συστημάτων της εταιρείας. Το συγκεκριμένο ελάττωμα υπήρχε ήδη από τον Ιούλιο, χωρίς να έχει προκαλέσει μέχρι τότε κάποια σοβαρή δυσλειτουργία.
Η κατάσταση επιδεινώθηκε όταν παρουσιάστηκε πρόβλημα σε μία από τις δύο βασικές δικτυακές πύλες που χρησιμοποιούνται για τη διακίνηση δεδομένων μεταξύ των υπηρεσιών. Η συγκεκριμένη υποδομή δεν λειτουργούσε σωστά για το Teams, με αποτέλεσμα σχεδόν όλος ο όγκος των αιτημάτων να διοχετεύεται στην εναλλακτική πύλη. Η τελευταία κλήθηκε να διαχειριστεί πολύ μεγαλύτερη κίνηση από εκείνη για την οποία είχε σχεδιαστεί.
Την ίδια στιγμή, ένα ακόμη τεχνικό ζήτημα είχε περιορίσει σημαντικά τις δυνατότητες των υποδομών της Microsoft. Περισσότερο από το 14% της συνολικής χωρητικότητας των διακομιστών της δεν ήταν διαθέσιμο, γεγονός που μείωσε τα περιθώρια διαχείρισης της αυξημένης ζήτησης.
Ο συνδυασμός αυτών των συνθηκών αποδείχθηκε καθοριστικός. Η υπερβολική επιβάρυνση της δικτυακής πύλης ενεργοποίησε το παλαιότερο σφάλμα, προκαλώντας συσσώρευση αιτημάτων και τελικά την αδυναμία των διακομιστών να ανταποκριθούν. Το πρόβλημα εκδηλώθηκε σε ώρα αυξημένης διαδικτυακής δραστηριότητας στις ΗΠΑ, επιβαρύνοντας ακόμη περισσότερο την κατάσταση.
Η αποκατάσταση αποδείχθηκε ιδιαίτερα δύσκολη, καθώς κάθε φορά που οι διακομιστές επανέρχονταν σε λειτουργία, δέχονταν μαζικά τα αιτήματα που είχαν συγκεντρωθεί κατά τη διάρκεια της διακοπής. Έτσι, κατέρρεαν ξανά, παρατείνοντας τη διαδικασία επαναφοράς.
Επιπλέον, επειδή η αρχική αιτία βρισκόταν σε ένα σφάλμα που είχε παραμείνει απαρατήρητο για μήνες, η Microsoft δεν μπορούσε να λύσει το πρόβλημα απλώς ακυρώνοντας κάποια πρόσφατη ενημέρωση λογισμικού. Οι αυτοματοποιημένοι μηχανισμοί ανάκαμψης δεν ήταν επίσης σχεδιασμένοι για να αντιμετωπίσουν μια τόσο εκτεταμένη δυσλειτουργία.
Η εταιρεία ζήτησε συγγνώμη από τους πελάτες της και διευκρίνισε ότι το περιστατικό δεν συνδέεται με κυβερνοεπίθεση ή παραβίαση της ασφάλειας. Παράλληλα, η υπόθεση αναδεικνύει πόσο εύθραυστη μπορεί να αποδειχθεί ακόμη και μια τεράστια ψηφιακή υποδομή, όταν συσσωρεύονται τεχνικές αδυναμίες που μεμονωμένα ενδέχεται να μην προκαλούσαν σοβαρά προβλήματα.





