Microsoft: Τρεις αστοχίες προκάλεσαν το παγκόσμιο blackout – Το «κρυφό» bug από τον Ιούλιο

Τρεις διαφορετικές τεχνικές αστοχίες, που συνέπεσαν χρονικά, βρίσκονται πίσω από το παγκόσμιο blackout που έθεσε εκτός λειτουργίας το Outlook, το Exchange και άλλες υπηρεσίες της Microsoft, επηρεάζοντας εκατομμύρια χρήστες σε ολόκληρο τον κόσμο.

Στην πρώτη αναλυτική έκθεσή της, η εταιρεία αποκαλύπτει ότι η διακοπή προκλήθηκε από έναν συνδυασμό ενός παλαιότερου σφάλματος στον κώδικα, προβλημάτων στις εσωτερικές δικτυακές συνδέσεις και μειωμένης χωρητικότητας των διακομιστών της.

Το περιστατικό διήρκεσε περίπου 24 ώρες, ενώ, όπως επισημαίνουν στελέχη της Microsoft, κάθε πρόβλημα ξεχωριστά θα μπορούσε να είχε αντιμετωπιστεί χωρίς να προκαλέσει τόσο εκτεταμένες επιπτώσεις.

Το σφάλμα που παρέμενε «κρυμμένο» για μήνες

Ιδιαίτερο ενδιαφέρον παρουσιάζει η αποκάλυψη ότι ένα λανθάνον σφάλμα υπήρχε στο σύστημα από τον περασμένο Ιούλιο, χωρίς να έχει προκαλέσει μέχρι τότε ανάλογη δυσλειτουργία.

Όπως εξήγησε σε ανάρτησή του στην πλατφόρμα X ο Τσαρλς Λαμάνα, εκτελεστικός αντιπρόεδρος της Microsoft για τα Copilot, Agents και Platform, το συγκεκριμένο σφάλμα ενεργοποιήθηκε όταν αυξήθηκε απότομα το φορτίο στο δίκτυο, την ώρα που η διαθέσιμη χωρητικότητα των διακομιστών ήταν ήδη μειωμένη.

Συγκεκριμένα, η Microsoft διαθέτει δύο πύλες δικτύου, οι οποίες επιτρέπουν την επικοινωνία μεταξύ των συστημάτων και τη μεταφορά δεδομένων. Ωστόσο, η μία από αυτές δεν λειτουργούσε για το Microsoft Teams, με αποτέλεσμα η κίνηση να διοχετεύεται στην άλλη και να προκαλείται υπερφόρτωση.

Την ίδια στιγμή, περισσότερο από το 14% της χωρητικότητας των διακομιστών είχε ήδη τεθεί εκτός λειτουργίας εξαιτίας διαφορετικού προβλήματος που παρουσιάστηκε την προηγούμενη ημέρα.

Ο συνδυασμός της αυξημένης κίνησης και της μειωμένης δυνατότητας εξυπηρέτησης οδήγησε στην ενεργοποίηση του παλιού σφάλματος. Τα αιτήματα των χρηστών άρχισαν να συσσωρεύονται, μέχρι που οι διακομιστές σταμάτησαν να ανταποκρίνονται. Μάλιστα, το πρόβλημα εκδηλώθηκε σε ώρες αιχμής της διαδικτυακής κίνησης στις Ηνωμένες Πολιτείες.

Γιατί καθυστέρησε τόσο η αποκατάσταση

Η επιστροφή των υπηρεσιών σε κανονική λειτουργία αποδείχθηκε πιο δύσκολη από ό,τι αρχικά αναμενόταν. Σύμφωνα με τον Λαμάνα, το γεγονός ότι το σφάλμα υπήρχε ήδη από τον Ιούλιο σήμαινε ότι δεν μπορούσε να αντιμετωπιστεί με μια απλή αναίρεση κάποιας πρόσφατης αλλαγής στο σύστημα.

Επιπλέον, κάθε φορά που οι διακομιστές επανέρχονταν σε λειτουργία, δέχονταν μαζικά τα αιτήματα που είχαν συσσωρευτεί κατά τη διάρκεια της διακοπής. Η απότομη αυτή επιβάρυνση είχε ως αποτέλεσμα να σταματούν και πάλι να ανταποκρίνονται, παρατείνοντας την αποκατάσταση.

Όπως παραδέχθηκε ο ίδιος, οι αυτοματοποιημένοι μηχανισμοί ανάκαμψης της Microsoft δεν ήταν σχεδιασμένοι για να διαχειριστούν μια τόσο εκτεταμένη κατάσταση. Παράλληλα, ούτε οι συνήθεις διαδικασίες επαναφοράς προηγούμενων εκδόσεων ούτε οι μηχανισμοί σταδιακής διάθεσης αλλαγών και ενεργοποίησης ή απενεργοποίησης λειτουργιών μπορούσαν να επιλύσουν άμεσα το πρόβλημα.

Η εταιρεία ανακοίνωσε τελικά την αποκατάσταση των υπηρεσιών μέχρι το Σάββατο, ζήτησε συγγνώμη από τους χρήστες και ξεκαθάρισε ότι το περιστατικό δεν συνδεόταν με κυβερνοεπίθεση ή παραβίαση της ασφάλειας των συστημάτων της.