大死機|微軟檢討死機日 7月已埋漏洞
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
Microsoft 365服務上周大規模中斷,在故障最嚴重的時候,超過80%伺服器都無回應。微軟發布初步事後報告(PIR),把今次事故歸因3個因素,分別是先前未發現的軟件錯誤、Microsoft Teams故障轉移後流量增加,以及伺服器容量下降。微軟重申,這次故障是技術問題,沒有任何跡象顯示存在惡意活動,或人工智能(AI)代理的參與,預計本周五(20日)發布完整的最終事件報告。

程式存錯誤 耗盡CPU資源
第一個因素是今年7月推出的網絡閘道伺服器修補程式存在程式錯誤。在某些工作負載下,一個內部Windows程式會出現「鎖競爭」(Lock Contention),耗盡中央處理器(CPU)及記憶體資源,最終導致伺服器無回應。有關缺陷潛伏了3個多月,躲過了微軟的測試,因為實驗室主要使用性能較低、CPU核心數較少的硬件,故始終未能發現問題。
第二個引致故障的原因是伺服器負載,亦跟Microsoft Teams有關。為確保系統彈性,微軟部署了兩套獨立的網絡閘道系統以存取Microsoft 365,即使發生故障也可啟用另一套系統。報告顯示,在服務中斷前約15小時,Teams流量從備用網絡閘道切換到了主網閘道,主網閘道用於維護Exchange Online的存取,這種切換導致網絡閘道處理更多流量。
第三個因素是基礎設施容量。由於前一天發生的網絡閘道問題,其伺服器容量約有14%已無法使用。
高峰期全球八成伺服器癱瘓
隨着伺服器無回應,微軟的自動流量管理系統,將請求重新導向到其餘仍在運行的伺服器,導致這些伺服器也不堪重負。骨牌效應下,兩個小時內,超過80%的網絡閘道伺服器停止回應。
支持EJ Tech
如欲投稿、報料,發布新聞稿或採訪通知,按這裏聯絡我們。

















