
微软生产力套件此前曾遭遇全面瘫痪,服务中断持续约一天。当时,外界猜测原因可能指向人工智能或网络攻击。然而,微软官方声明显示,罪魁祸首是代码中自7月以来一直潜伏的一个缺陷。
潜伏数月的代码隐患
微软Copilot、代理及平台执行副总裁Charles Lamanna在X平台发文披露,这一问题早在几个月前就已潜入代码,但直到近期才具备爆发条件。
今年7月,微软发布的一个补丁中包含一个缺陷,会在特定负载条件下导致服务器过载且无响应。由于微软通常在旧硬件上测试补丁以评估影响,而该缺陷仅在新款多核硬件运行时才会显现,因此初期并未被发现。
“完美风暴”触发连锁反应
一系列巧合最终引发了这场“完美风暴”。故障发生前15小时,Microsoft Teams因备用网络网关故障,流量被迫迁移至承载Exchange Online的主网关。与此同时,受前一天无关问题影响,网络网关14%的容量正处于维护状态,导致可用容量进一步降低。
严重的负载触发了7月留下的潜伏缺陷,致使服务器宕机。系统尝试将流量重定向至其他服务器,却迅速压垮目标服务器,再次触发缺陷并导致其宕机。这一过程循环往复,Lamanna表示,在最严重时刻,多达80%的服务器处于离线状态。
每当服务器恢复上线,涌入的海量流量便会再次触发该缺陷。微软工程师深入代码库定位并修复了这个存在数月之久的漏洞。随后,通过停机、应用补丁、重新启用的流程,服务最终恢复正常。