核心结论:微软在 2026 年 11 月 12 日至 13 日发生的全球性 Microsoft 365 服务中断,初步事后报告把主因指向一个早在 2026 年 7 月修复程序中就已引入、潜伏三个多月的软件缺陷:该缺陷位于网关服务器的 Windows 内部进程中,会在特定负载下引发锁竞争,把 CPU 和内存耗尽,而且在核心数越多、硬件越新的机器上表现越严重。它之所以一直没被发现,是因为当时压力测试主要使用核心较少的老旧硬件,流量组合也和生产环境有差异。真正把这个 "沉睡缺陷" 引爆的是另外两个同时出现的因素:事故前约 15 小时,Teams 从备用网关切换到与 Exchange Online 共用的主网关,带来负载上升;同时主网关约 14% 的服务器容量因一个无关问题处于离线状态。三者叠加后,请求在网关处不断堆积,服务器一台接一台停止响应,流量被自动转送到其他同样带缺陷的节点,两小时内扩散到整个服务器集群,最严重时超过 80% 的网关服务器无响应。由于缺陷已经存在数月,无法直接回滚,工程师花了约 15 小时开发并部署补丁,把代码路径恢复到此前已知良好状态,再分批分区重启恢复服务。需要说明,这起事件与 2024 年 7 月的 CrowdStrike 第三方更新事故不是同一回事,本次微软明确排除了网络攻击和 AI 因素。
一、事件概览
| 项目 | 内容 |
|---|---|
| 事件时间 | 2026 年 11 月 12 日 16:20 UTC 开始,11 月 13 日 16:10 UTC 基本恢复,持续约 23 小时 50 分;部分邮件服务后续仍有延迟投递 |
| 初步报告 | 微软 2026 年 11 月 15 日发布初步事后报告(PIR),完整整改清单预计在 11 月 20 日的最终报告中给出 |
| 事件编号 | Exchange Online:EX1550543;多个 Microsoft 365 服务:MO1550821 |
| 受影响服务 | Outlook/Exchange Online 邮箱访问、网页版 Outlook、ActiveSync、API 及邮件延迟投递;依赖 Exchange 的 Teams 功能、SharePoint、OneDrive、Copilot、Planner、To Do、Defender XDR、Purview 等 |
| 影响范围 | 波及 74 个国家和地区;第三方故障监测平台峰值收到约 13 万份问题报告,Outlook 相关投诉峰值约 13.8 万条(第三方统计口径) |
| 故障定性 | 内部基础设施故障,非网络攻击,与 AI 代理无关 |
| 恢复方式 | 无法直接回滚数月前的变更;开发定向补丁把连接处理代码恢复到已知良好状态,分批分区应用后逐步恢复 |
二、根因:7 月修复程序中引入的软件缺陷
1. 缺陷是怎么进入系统的
- 2026 年 7 月,微软为 Microsoft 365 网络网关服务器专门推送了一项 Windows 变更(修复程序);这个修复和它针对的问题只存在于网关服务器环境,普通 Windows 安装中并不存在。
- 变更经过分阶段部署,数周内覆盖各区域,上线时没有表现出异常,压力测试也通过了。
- 但修复程序本身携带一个缺陷:内部 Windows 进程中出现锁竞争。
2. 锁竞争为什么会把服务器拖垮
- 可以把 "锁" 理解成一把共用钥匙:多个任务想修改同一份数据时,必须排队等钥匙。任务少时排队正常,任务一多,大部分时间都在等待,业务反而办不完。
- 在网关服务器建立新连接的进程内,高负载下大量任务争抢同一把锁,CPU 和内存被耗尽,服务器最终停止响应。
- 该问题在 CPU 核心越多、硬件越新的机器上越严重,因为同时争抢锁的任务更多。
3. 测试为什么漏掉了它
- 微软报告承认:压力测试倾向于使用核心较少的较弱硬件,测试流量组合也与生产环境存在差异。
- 结果就是缺陷在低核心、测试流量下没有触发,顺利通过验证,并在全球网关上潜伏了三个多月没有症状;暴露最多的反而是最新、性能最强的服务器。
三、引爆故障的另外两个叠加因素
1. Teams 流量切换到主网关
- 事故发生前约 15 小时,Teams 从备用网关转移到支撑 Exchange Online 的主网关,与邮件服务挤在同一套网关上。
- 微软说明这属于常规韧性切换,单独看并不异常,但它改变了主网关的流量模式、抬高了负载。
2. 约 14% 网关容量离线
- 事故前一天,一个与本次缺陷无关的问题导致该网关约 14% 的服务器容量无法使用,当时正在按常规流程恢复。
- 微软表示容量缺口单独存在时服务仍有足够余量,本身不构成问题。
3. 三个因素如何凑成级联故障
| 环节 | 发生情况 |
|---|---|
| 负载上升 | Teams 并入主网关,流量模式改变 |
| 容量下降 | 14% 服务器离线且尚未恢复 |
| 触发缺陷 | 剩余服务器在美东流量高峰时段承压,撞上 7 月修复程序留下的锁竞争缺陷 |
| 请求堆积 | 进程争抢锁,CPU、内存耗尽,服务器停止响应 |
| 流量重路由 | 不可用节点的流量被自动转给下一个健康端点,而端点带着同样的缺陷 |
| 全网扩散 | 再次转送、再次出问题;两小时内缺陷扩散到整个服务器集群 |
| 最低点 | 超过 80% 的网关服务器无响应;原本用于隔离容量分区的机制也没能遏制级联 |
四、为什么恢复过程特别漫长
- 不能简单回滚:缺陷来自几个月前已经铺开的变更,不像当次更新那样可以直接撤销,回滚路径不成立。
- 自动恢复流程不适用:常规自动化恢复机制是为局部故障设计的,没有覆盖这种大范围集体无响应状态。
- 重启后再次被压垮:服务器重新上线后,立刻遭到大量积压请求冲击,很快又陷入无响应,单纯重启起不到作用。
- 只能写定向补丁:工程师用约 15 小时开发并部署更新,把 Windows 中的相关代码路径恢复到此前已知良好状态,再按服务器分组、分区域逐步应用。
- 邮件链路恢复更慢:Exchange Online 无法按所需规模绕开受影响的网络网关;Teams 和文件类服务先恢复,邮件访问和延迟投递随后逐步回稳。
五、实际业务影响与后续处置
1. 对用户和企业的影响
- 邮件收发延迟、Outlook 邮箱无法连接、部分依赖 Exchange 的协作功能和 Copilot 相关能力异常。
- 公务邮件、银行验证、结算流程等依赖邮件的环节受到拖累;有企业因此推迟业绩发布(公开报道个案)。
- 据外媒援引微软 SLA 条款:Exchange Online 与 Outlook 等云服务承诺每月 99.9% 正常运行时长,本次中断已违反该承诺;符合条件的企业用户最高可获得 100% 账单服务抵免,需在 2026 年 12 月 31 日前主动申请(具体资格以微软官方条款为准)。
2. 已知现实个案
- 据德国媒体 WDR 和 The Verge 报道,德国梦幻乐园(Phantasialand)一家酒店因邮件系统故障,未能及时收到泳池氯气浓度超标的安全警报;消防部门到场处置,事件共 15 人受影响,其中 4 人送医。该个案为媒体报道口径,事故与邮件故障之间的关联以当地调查和官方结论为准。
3. 微软的回应
- 11 月 17 日,CEO 萨提亚・纳德拉就全球服务中断公开致歉,承认在提升服务韧性方面仍有工作要做,承诺吸取教训、持续改进系统可靠性。
- 初步报告列出的已完成动作包括:网关服务器上的连接处理代码已恢复到此前已知良好状态;完整修复项和预防措施将在最终报告中公布。
六、从这次事件里能看到的工程教训
| 环节 | 暴露的问题 | 可改进方向 |
|---|---|---|
| 测试覆盖 | 测试硬件核心数偏少、流量组合与生产不符,高并发新硬件场景未覆盖 | 压力测试纳入高核心、新硬件机型和生产级流量模型,做锁竞争和资源耗尽专项验证 |
| 变更管理 | 数月前的变更无法快速回滚,缺陷随部署长期潜伏 | 保留分阶段灰度、快速回退路径和长期变更的可追溯清单 |
| 韧性设计 | 容量分区未能隔离级联,一台出问题流量把同类缺陷节点逐个压垮 | 强化网关间故障隔离、单点缺陷爆炸半径控制和自动降级策略 |
| 应急恢复 | 自动恢复流程不支持大范围无响应状态,重启即被积压请求再次压垮 | 演练大范围瘫痪场景下的限流、排空、分批重启和代码回退预案 |
| 容量与切换 | 常规切换叠加容量缺口时,缺少更保守的负载保护阈值 | 在容量非满配状态下评估跨网关切换的风险,设置负载保护线 |
七、总体判断
这次微软大规模服务中断并不是某一个孤立的 "炸点",而是一个 7 月修复程序遗留的软件缺陷,在网关流量切换和容量缺口同时出现时被放大成的级联事故:缺陷本身有三个多月没暴露,说明测试环境和真实生产之间存在盲区;而故障能从个别节点扩散到全网超过 80% 的服务器无响应,则暴露出流量隔离和应急恢复设计的薄弱处。对企业用户而言,事件再次说明关键业务不能把邮件、协作和身份链路压在单一云服务上,需要准备备用通知渠道、离线流程和故障应对预案;对行业而言,这类长周期潜伏缺陷提醒厂商:推送进生产环境的每一项变更,都要在高核心硬件、真实流量和可回滚能力上做到闭环验证。目前公开的仍是初步报告,最终整改措施、完整影响评估和责任认定还需以微软最终报告及后续公告为准。
【相关 FAQ】
问题 1:微软这次大规模服务中断的软件缺陷是在什么时候、通过什么程序引入的?
回答 1:根据微软 11 月 15 日发布的初步事后报告,导致这次大规模服务中断的软件缺陷,是 2026 年 7 月一项面向 Microsoft 365 网络网关服务器的修复程序中引入的;该缺陷表现为内部 Windows 进程的锁竞争,在特定负载下耗尽 CPU 和内存,上线后潜伏三个多月未被触发,直到 11 月 12 日网关负载与容量条件叠加才爆发。
问题 2:7 月修复程序里的软件缺陷为什么没在测试阶段被发现?
回答 2:微软报告说明,当时压力测试主要使用核心数较少的较弱硬件,测试流量组合也与生产环境有差异;而这个锁竞争软件缺陷在核心越多、硬件越新的服务器上越严重,因此缺陷在测试环境中没有复现,顺利通过验证并随 7 月修复程序部署到全球网关,直到高负载生产场景才暴露。
问题 3:除了 7 月修复程序的软件缺陷,还有哪些因素共同造成了微软大规模服务中断?
回答 3:初步报告列出三个叠加因素:一是 7 月引入的潜伏锁竞争缺陷;二是事故前约 15 小时 Teams 从备用网关切换到与 Exchange Online 共用的主网关,抬高并改变了负载;三是前一天一个无关问题导致约 14% 的网关服务器容量离线。负载上升与容量缺口叠加后,剩余服务器在流量高峰撞上缺陷,请求堆积并通过流量重路由扩散成全网级联故障。
问题 4:微软这次大规模服务中断为什么不能直接回滚,恢复花了多久?
回答 4:因为软件缺陷是几个月前的 7 月修复程序就已铺开的变更,不具备直接撤销的条件;常规自动恢复流程也不支持这种大范围集体无响应状态,服务器重启后会被积压请求再次压垮。工程师随后用约 15 小时开发定向补丁,把连接处理代码恢复到此前已知良好状态,再分批分区应用,服务在约 24 小时内逐步恢复,邮件延迟投递等问题后续才完全回稳。
问题 5:这次微软大规模服务中断影响了哪些服务,后续赔偿和改进如何跟进?
回答 5:受影响的核心是 Exchange Online/Outlook 邮箱访问、网页版 Outlook、ActiveSync 和 API,以及依赖 Exchange 的 Teams 功能、SharePoint、OneDrive、Copilot 等;事件波及 74 个国家和地区。纳德拉已公开致歉并承诺改进系统可靠性;据 SLA 条款,符合条件的企业用户可在 2026 年 12 月 31 日前申请最高 100% 账单服务抵免,完整整改措施以微软最终报告和官方条款为准。
【参考资料】
- [2026-11-18](《超然财经|微软 CEO 纳德拉就全球服务中断致歉 承诺改进系统可靠性》)网易(闪电新闻)
- [2026-11-18](《微软全球大宕机超 18 小时:云服务雪崩的根因与应对》)华盟网
- [2026-11-18](《德国酒店泳池变毒气室!多人紧急送医 都是微软害的》)腾讯新闻(转引 The Verge、WDR)
- [2026-11-17](《微软三个月前的补丁,把 74 个国家和地区全整崩了》)36 氪
- [2026-11-17](《Microsoft explica el falló en Outlook, Teams y más: "más del 80 % de los servidores no respondieron"》)MEDIOSUNO
- [2026-11-17](《マイクロソフト、Microsoft 365 大规模障害の原因を公表 3 つの问题が连锁》)ASCII.jp
- [2026-11-16](《Microsoft Blames Monster Email Outage On Software Defect Introduced In July Fix》)Slashdot(转引 The Register)
- [2026-11-16](《Microsoft Reveals Windows Bug That Crashed Over 80% of Servers During Microsoft 365 Outage》)Cyber Press
- [2026-11-16](《How a four-month-old bug took down Exchange Online for a day》)3n3a's Blog
- [2026-11-13](《Microsoft 365 Outage Resolved: Outlook, Teams & Copilot Cause and Email Checks (Nov. 2026)》)Pirorin
【免责声明】
本文内容基于微软初步事后报告、公开媒体报道和第三方技术分析整理,所涉故障时间、影响范围、服务器比例、持续时长和投诉数量存在不同统计口径;目前公开的为初步报告,最终根因认定、整改措施、影响评估和赔偿资格以微软官方最终报告、服务状态公告及 SLA 条款为准。文中对技术原因和工程教训的分析仅作信息参考,不构成任何采购、运维、投资或索赔决策建议;涉及企业服务抵免申请,请以微软官方渠道和合同条款为准。
本文来自作者[浮核解码者]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/hlw/202611/4274.html
评论列表(4条)
我是新新网的签约作者“浮核解码者”!
希望本篇文章《微软大规模服务中断归因7 月修复程序埋下的软件缺陷,叠加网关切换与容量缺口触发级联故障》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:核心结论:微软在 2026 年 11 月 12 日至 13 日发生的全球性 Microsoft 365 服务中断,初步事后报告把主因指向一个早在 2026