La caiguda de Microsoft 365: què va passar i per què

El que se sap de la caiguda de novembre i què ha explicat Microsoft en el seu informe preliminar.

Entre el dijous 12 i el dissabte 14 de novembre, Outlook, Teams i altres serveis de Microsoft 365 van deixar de funcionar amb normalitat en bona part del món. Resumim què va passar en la caiguda de Microsoft 365, què ha explicat l'empresa sobre la causa i per què la recuperació es va allargar tant.

Què va passar durant la caiguda de Microsoft 365

Els problemes van començar dijous a la tarda, cap a les cinc, hora peninsular. Primer va ser Outlook: molta gent no podia obrir el correu des del navegador ni des del mòbil, i els missatges que sí que arribaven ho feien amb retard. En una hora ja hi havia avisos des de més de setanta països.

Després es van veure afectats Teams, Copilot i eines d'altres empreses que es connecten a Microsoft 365. Algunes administracions públiques van tenir problemes amb el correu, al Regne Unit es va suspendre un judici i diversos bancs de Hong Kong van informar d'incidències. Microsoft no ha donat cap xifra d'usuaris afectats.

Per què va caure, segons Microsoft

Durant les primeres hores, Microsoft va parlar d'una càrrega elevada en part de la seva infraestructura. Més endavant va precisar que aquesta càrrega no venia d'un augment de trànsit, va descartar un ciberatac i va atribuir el problema a una errada latent que havia quedat al descobert després d'uns canvis de xarxa.

Diumenge va publicar un informe preliminar amb més detall. L'errada era en una actualització dels servidors que gestionen les connexions a Microsoft 365, desplegada des del juliol i que havia funcionat sense problemes durant més de tres mesos. Amb determinades condicions de trànsit, aquests servidors es quedaven sense capacitat de procés i deixaven d'acceptar connexions. Aquestes condicions es van donar dijous, quan part del trànsit de Teams es va moure als mateixos servidors que fa servir el correu d'Outlook mentre una altra part de la capacitat estava fora de servei per un problema sense relació.

Segons l'informe, les proves no ho van detectar perquè l'errada s'agreujava a les màquines més noves, les que tenen més nuclis de processador.

Per què la recuperació va ser tan lenta

Els sistemes automàtics van portar les connexions als servidors que continuaven funcionant, que en rebre aquesta càrrega fallaven pel mateix motiu. En menys de dues hores el problema s'havia estès a altres regions, i cada vegada que es reiniciava un grup de servidors tornava de cop tot el trànsit que estava esperant i queien una altra vegada.

La solució va ser tornar aquesta part del sistema a com funcionava abans de l'actualització, retirar grups grans de servidors, aplicar el canvi i tornar-los el trànsit a poc a poc. Microsoft situa l'impacte principal entre la tarda de dijous i la de divendres, tot i que no va donar l'incident per tancat fins dissabte. També va ampliar el termini de lliurament del correu perquè els missatges en cua no es retornessin com a no lliurats.

Mentrestant, qui tenia Outlook instal·lat a l'ordinador podia continuar llegint el correu que ja havia descarregat, i les trucades de Teams van funcionar gairebé sempre.

Logotip de Microsoft 365 envoltat de les icones de Teams, Outlook, OneDrive, Excel, Word, PowerPoint i Defender, sobre fons blau

No és la primera caiguda d'aquest any

Al gener, Microsoft 365 ja va estar gairebé deu hores sense funcionar a Amèrica del Nord, per una combinació de càrrega alta i capacitat reduïda durant un manteniment. A finals d'estiu hi va haver un altre incident que va deixar usuaris d'Outlook sense accés a la bústia.

A més, la tardor ja venia moguda per a Microsoft. A l'octubre va corregir més de 1.400 vulnerabilitats, la seva xifra mensual més alta, com explicàvem a l'article sobre errors de seguretat i IA. No té relació directa amb aquesta caiguda, però dona una idea del volum de canvis que gestiona una plataforma així.

Altres grans proveïdors també han tingut caigudes semblants els últims anys. Amb tants serveis concentrats en poques plataformes, quan una falla l'efecte es nota en empreses de tota mena, també en les que no fan servir directament aquell servei.

El que encara queda per saber

L'informe que ha publicat Microsoft és preliminar. La versió final, prevista per al 20 de novembre, hauria de detallar quins canvis farà perquè una errada així no es torni a estendre a totes les regions. Quan es publiqui, actualitzarem aquest article amb el que aporti.