David Talukdar / Zuma Press / Europa Press
MADRID 16 nov. (Portaltic/EP) -
A Microsoft divulgou uma explicação detalhada sobre as três causas que provocaram a falha em massa dos serviços do Outlook, Teams e Copilot em mais de 70 países em todo o mundo na última quinta-feira, que durou quase 24 horas.
A empresa de tecnologia explicou, por meio do vice-presidente executivo de Copilot, Agentes e Plataformas da Microsoft, Charles Lamanna, que uma falha oculta de software, combinada com um aumento no tráfego de rede e uma menor capacidade dos servidores, provocou uma interrupção global do serviço no gateway de rede (o sistema que recebe as conexões dos usuários e as direciona para cada serviço) que atende a muitos serviços do Microsoft 365.
“Lamentamos profundamente o impacto sobre todos os nossos clientes e reconhecemos o impacto que isso tem em suas operações e negócios normais”, afirmou Lamanna em uma publicação no X (antigo Twitter), onde resumiu as causas, que são detalhadas no relatório preliminar pós, acessível por meio do Centro de Administração sob os números MO1550821 e EX1550543.
Especificamente, o incidente foi causado por três fatores principais. O primeiro foi uma falha latente decorrente de uma atualização de correção para os servidores de gateway de rede do Microsoft 365 que, após passar pelo processo de implantação segura da Microsoft, começou a ser lançada em julho deste ano e, durante mais de três meses, não causou nenhum impacto, apesar de estar implementada em todo o mundo.
No entanto, essa falha se manifestou na última quinta-feira e fez com que os servidores ficassem sobrecarregados e deixassem de funcionar sob certas condições de carga, conforme esclareceu Lamanna.
O segundo fator que influenciou foi um aumento repentino da carga, o que tornou mais provável que os gateways encontrassem essa falha. Conforme explicou o executivo, a Microsoft conta com dois sistemas independentes de gateways de rede, utilizados para alternar de um para o outro durante interrupções ou falhas. Quinze horas antes da queda em massa, o Teams realizou uma alternância por engano do gateway de rede alternativo para o principal, que também atende ao Exchange Online.
Como resultado desse tipo de comutação — fundamental para as medidas padrão de resiliência da Microsoft e que faz parte das operações da empresa —, a carga desse gateway aumentou e seus padrões de tráfego foram alterados.
A terceira razão para a queda em massa foi que, ao mesmo tempo, quase 14% da capacidade dos servidores do gateway de rede estava fora de serviço devido a outro problema que surgiu no dia anterior e que não estava relacionado.
Tudo isso ocorreu durante o horário de maior tráfego nos Estados Unidos, e a solução que normalmente se encarrega de redirecionar automaticamente os usuários quando há perda de conectividade agravou o problema nos pontos de conexão restantes, o que provocou uma falha em cascata de servidor para servidor. No pior momento, mais de 80% dos servidores não respondiam.
“Em conjunto, a carga aumentada e a capacidade reduzida dos servidores fizeram com que o gateway de rede detectasse a falha latente de julho. Isso fez com que as solicitações se acumulassem até que os servidores finalmente parassem de responder”, afirmou Lamanna.
O fato de o Teams, o OneDrive, o SharePoint e os aplicativos do Office terem sido restaurados mais cedo, exatamente em 11 horas e 50 minutos, deveu-se ao fato de terem conseguido desligar-se da infraestrutura do gateway de rede afetada. Por outro lado, a recuperação do Exchange Online, incapaz de se desconectar desse gateway, levou mais tempo do que o habitual, já que a Microsoft não conseguiu reverter a alteração com seus mecanismos habituais.
No total, o Exchange Online foi restaurado às 17h10 (horário da Península) do dia 13 de novembro, após 23 horas e 50 minutos, embora o encerramento oficial tenha ocorrido às 5h17 do sábado (horário da Península).
A solução da Microsoft foi desenvolver uma atualização para corrigir a falha, após os engenheiros confirmarem que essa era a causa, o que permitiu, finalmente, restaurar o código ao seu estado correto e reativar cuidadosamente grandes blocos da infraestrutura de cada vez, garantindo que os serviços voltassem a funcionar.
Por fim, a Microsoft publicará ao longo desta semana o relatório pós-incidente definitivo, no qual serão explicados mais detalhes.
Esta notícia foi traduzida por um tradutor automático