Microsoft 365, svelata la causa del maxi blackout: un bug nascosto da luglio ha bloccato oltre l’80% dei server

Un difetto software presente da luglio, combinato con un aumento del traffico e una ridotta capacità dei server, è all’origine di uno dei più estesi disservizi nella storia di Microsoft.
A confermarlo è la stessa società di Redmond, che ha pubblicato un rapporto tecnico per ricostruire le cause del grave malfunzionamento che, la scorsa settimana, ha coinvolto Microsoft 365 ed Exchange.
Secondo quanto riportato nel documento ufficiale, l’interruzione non è stata provocata da attacchi informatici né da attività legate all’intelligenza artificiale o agli agenti autonomi. A determinare il blocco è stata una combinazione di problemi tecnici che ha innescato un effetto a catena sull’infrastruttura cloud dell’azienda.
Il disservizio è iniziato alle 17:20 del 12 novembre, ora italiana, ed è proseguito fino alle 17:10 del 13 novembre, per una durata complessiva di quasi 24 ore. Le attività di monitoraggio sono continuate anche il giorno successivo.
Microsoft ha individuato tre fattori principali alla base dell’incidente. Il primo riguarda una modifica introdotta a luglio nel gateway cloud, il componente che consente ai servizi Microsoft di accedere ai dati presenti all’interno della rete aziendale, oltre a consultarli e aggiornarli.
Questa modifica aveva introdotto un difetto software latente che, in determinate condizioni operative, poteva provocare un progressivo esaurimento delle risorse di memoria, rendendo i server incapaci di rispondere alle richieste.
Il problema non era stato individuato durante le verifiche preliminari. Come spiegato dall’azienda, i test erano stati effettuati utilizzando hardware meno potente rispetto a quello successivamente impiegato nell’infrastruttura di produzione. L’impiego di macchine più recenti ha quindi contribuito a far emergere il comportamento anomalo del sistema.
Al difetto software si è aggiunto un secondo elemento: l’aumento del carico sui server, determinato dagli spostamenti di traffico durante le normali operazioni di manutenzione e aggiornamento della rete legate a Microsoft Teams.
La combinazione tra il bug e il maggiore volume di richieste ha innescato un effetto domino, provocando il progressivo malfunzionamento dell’infrastruttura. La situazione è rapidamente peggiorata fino a coinvolgere oltre l’80% dei server gateway interessati dall’incidente.
Il terzo fattore è stato rappresentato dalla ridotta capacità disponibile per gestire il traffico e sostenere il funzionamento dei servizi durante la fase critica.
Anche il ritorno online dei server non ha consentito di risolvere immediatamente il problema. Una volta riattivati, infatti, i sistemi si sono trovati a dover gestire lunghe code di richieste accumulate durante l’interruzione.
Il volume delle operazioni in attesa ha nuovamente provocato il consumo eccessivo delle risorse di memoria, riproducendo le condizioni che avevano causato il blackout iniziale.
Neppure il tentativo di ripristinare una configurazione precedente ha dato i risultati sperati. Il difetto introdotto a luglio, infatti, non era ancora stato identificato e continuava quindi a compromettere il funzionamento dei server.
Microsoft ha dovuto procedere con l’aggiornamento dei sistemi e la loro riattivazione graduale, monitorando costantemente il comportamento dell’infrastruttura per evitare ulteriori interruzioni.
La società di Redmond ha annunciato che pubblicherà il rapporto conclusivo sull’incidente il 20 novembre. Il documento dovrebbe approfondire alcuni aspetti ancora da chiarire, tra cui il mancato funzionamento dei sistemi di isolamento regionale, che avrebbero dovuto limitare la propagazione del problema tra le diverse aree geografiche.
Saranno inoltre illustrate le misure correttive che Microsoft intende adottare per migliorare la resilienza della propria infrastruttura cloud e ridurre il rischio che un singolo difetto software possa provocare interruzioni su così vasta scala.
L’incidente dimostra quanto anche una modifica apparentemente limitata possa avere conseguenze estese quando coinvolge componenti condivisi da numerosi servizi.
Un bug rimasto nascosto per mesi, unito a un aumento del traffico e a una capacità insufficiente dei server, è stato sufficiente per mettere in difficoltà una parte significativa dell’ecosistema Microsoft 365.