Сбой Microsoft 365: скрытый баг, отказ шлюза и пик трафика

13 ноября 2026 года глобальный сбой затронул сервисы Microsoft 365, включая Outlook и Teams, у клиентов по всему миру — в том числе у OpenAI и Anthropic. В тот же день произошёл сбой у Федерального авиационного управления США, но два инцидента не связаны. Разбор причин опубликовал Чарльз Ламанна, исполнительный вице-президент Microsoft по Copilot, агентам и платформам.

Что именно сломалось

Сбой вызвали три фактора, которые совпали по времени и вместе вывели из строя сетевой шлюз, обслуживающий Outlook, Teams и другие сервисы 365.

  • Скрытый дефект («latent defect») в обновлении ПО, выпущенном ещё в июле. Сразу после установки проблем не было, но со временем серверы «перегружались и переставали отвечать при определённых нагрузках».
  • Рост нагрузки на сетевой шлюз.
  • Несвязанная проблема предыдущего дня, которая усугубила ситуацию.

Почему баг не поймали при тестировании

Microsoft тестирует обновления на более старом и слабом оборудовании. На таких машинах дефект не проявлялся. Проблема дала о себе знать только на новых системах с большим числом ядер — то есть на том оборудовании, которое реально используется в продакшене.

Это ключевой вывод из разбора: стандартные нагрузочные тесты не покрывали конфигурацию, на которой работают боевые серверы.

Роль отказоустойчивости: как резервный шлюз стал частью проблемы

Для сервисов 365 Microsoft использует две независимые системы сетевых шлюзов, чтобы при сбое одной переключаться на другую. Однако примерно за пятнадцать часов до инцидента Teams переключился с альтернативного шлюза на «основной» — тот, что обслуживает и Exchange Online. В результате нагрузка на основной шлюз выросла.

Совокупность повышенной нагрузки и сниженной ёмкости серверов и запустила скрытый июльский баг. Запросы начали накапливаться, пока серверы окончательно не перестали отвечать. Произошло это в пиковое окно трафика в США.

Почему восстановление заняло сутки

Восстановление шло «дольше обычного». Большинство пользователей не могли получить доступ ни к одному сервису 365. Штатные автоматизированные процедуры восстановления не были рассчитаны на такое состояние — массовую неотвечаемость серверов. А поскольку дефект оставался незамеченным с июля, инженерам было гораздо сложнее откатывать обновления.

Сервисы в основном восстановили примерно через 24 часа. Ламанна принёс извинения клиентам и признал влияние на их бизнес и операции.

Что это значит для администратора

Инцидент показывает, что отказоустойчивость из двух независимых шлюзов сама по себе не гарантирует защиты: переключение на «основной» шлюз увеличивает нагрузку и может стать спусковым крючком для скрытого дефекта. Кроме того, тестирование на устаревшем железе не выявляет проблемы, которые проявляются на новых многоядерных системах.

Практический вывод для тех, кто эксплуатирует собственные шлюзы и балансировщики: проверяйте обновления на той же конфигурации, что и в продакшене, и следите за тем, как переключение резерва меняет нагрузку на оставшийся узел. Автоматическое восстановление стоит проектировать с учётом сценария, когда серверы перестают отвечать массово, а не только когда падает отдельный компонент.

Похожий урок был в разборе сбоя Azure West US, где причиной стало случайное удаление IP-маршрутов при обслуживании, — там тоже речь о том, что автоматика не всегда спасает. А в статье про фаервол для эпохи ИИ-агентов разбирается, почему решения о доступе всё чаще принимает сетевой уровень, а не отдельная система: при отказе шлюза под удар попадает сразу весь трафик.

Для российских компаний, которые используют Microsoft 365 или зависят от облачных сервисов с зарубежной инфраструктурой, инцидент — напоминание о необходимости собственного плана на случай недоступности внешнего провайдера: локальные копии критичных данных, альтернативные каналы связи и понятный порядок действий для сотрудников.

Частые вопросы

Кого затронул сбой?

Пользователей Microsoft 365 по всему миру, включая Outlook и Teams, а также клиентов Microsoft — например, OpenAI и Anthropic. Большинство пользователей не могли получить доступ ни к одному сервису 365.

Когда произошёл сбой?

13 ноября 2026 года. Сервисы в основном восстановили примерно через 24 часа.

Что стало причиной?

Скрытый дефект в обновлении ПО от июля, рост нагрузки на сетевой шлюз и несвязанная проблема предыдущего дня. Вместе они привели к накоплению запросов и отказу серверов.

Почему баг не нашли раньше?

Его не выявили при обычном нагрузочном тестировании, которое проводилось на более старом и слабом оборудовании. Дефект проявлялся только на новых системах с большим числом ядер.

При чём здесь резервный шлюз?

За пятнадцать часов до сбоя Teams переключился с альтернативного шлюза на основной, который обслуживает и Exchange Online. Это увеличило нагрузку и вместе со сниженной ёмкостью серверов запустило скрытый баг.

Почему восстановление заняло так много времени?

Штатные автоматизированные процедуры не были рассчитаны на массовую неотвечаемость серверов. Кроме того, дефект оставался незамеченным с июля, что усложнило откат обновлений.

Связан ли этот сбой со сбоем FAA в тот же день?

Нет. По данным Microsoft, два инцидента не связаны, хотя произошли в один день.

Что делать администратору после такого инцидента?

Проверять обновления на той же конфигурации, что и в продакшене, оценивать рост нагрузки при переключении на резервный узел и иметь собственный план на случай недоступности внешнего облачного провайдера.

Источник: sdxcentral.com