微软全球宕机:潜伏四个月的漏洞,为何15小时才被发现
微软系统漏洞在上周因一次例行流量切换操作被引爆,服务器在流量骤增后出现内存耗尽,自动化容灾系统将流量转移至"健康"的其他服务器,却将漏洞带入这些系统,形成连锁失效。从最初出现零散故障,到微软确认全面问题,历时约15小时;微软随后又花费约15小时才开始推送修复方案,宕机时间之长,远超同类事故。
微软一个藏了四个月的系统漏洞,上周引爆了一场全球范围的服务中断,也让外界再次看到高度依赖单一科技供应商的风险。
事故的起点是11月11日一次例行的流量调配操作。直到次日上午11时30分,也就是美国企业流量高峰期,微软才意识到问题有多严重。
之后公司又花了约15小时排查故障、部署修复方案,大量企业和政府客户的工作随之中断。最严重的时候,Outlook后台超过80%的服务器没有响应,Teams的视频会议邀请消失,员工只能靠电话和纸笔撑着。
微软负责职场软件业务的执行副总裁Charles Lamanna周一在X平台发文,就这次宕机正式道歉。截至发稿,微软周一盘中下跌1.2%。

一次例行操作,引爆连锁崩溃
微软给客户的初步报告显示,这个漏洞今年7月就已经藏在公司数据中心里,一直没被发现。
导火索出现在11月11日纽约时间晚8时许:一次自动流量切换操作,把Teams视频会议与即时通讯服务的流量,转到了同时承载Outlook流量的另一组服务器上。
偏偏本周早些时候另一个独立问题已经让部分服务器损失了容量,双重压力之下,潜伏的漏洞被触发——流量骤增后服务器内存耗尽。
问题很快扩散开来。微软的自动化容灾系统把流量和邮件转移到它判定为“健康”的其他服务器,结果把同一个漏洞也带了过去,形成连锁失效。
从最初零散的故障出现,到微软确认问题全面爆发,前后约15小时;随后又花了约15小时,公司才开始推送修复方案。
自动化系统“帮倒忙”,修复工作一波三折
这次宕机持续的时间远超同类事故——类似事件通常只持续数小时。
微软面向使用Microsoft 365产品的技术人员发布的详细时间线显示,原本用来维持服务稳定的自动化机制,反倒加快了这次连锁崩溃。
恢复上线的服务器被积压的待处理流量一拥而上,再次过载失效,修复进程陷进了循环。
另外,漏洞已经在系统里潜伏数月,靠回滚近期更新来稳定系统的常规办法也失了效,恢复进程被进一步拖长。
实验室测试未能模拟真实环境
漏洞为什么能长期潜伏、躲过测试流程,Charles Lamanna给出了解释。
大型互联网服务公司的标准做法是:在向外部大规模部署系统变更前,微软会先在实验室环境和小范围网络里测试。
这次漏洞没被拦住,原因是实验室里模拟的流量模式和硬件配置,与服务器在真实环境中遇到的条件并不一样。
Lamanna指出,微软的测试通常偏向配置较旧、性能较弱的系统,看更新会不会拖垮整体架构里的薄弱环节。而这次导致服务器宕机的漏洞,在处理能力更强的新型硬件上破坏力反而更大——正好是测试忽略的场景。