Microsoft destapó el error que llevaba meses escondido y terminó colapsando sus servicios en todo el mundo

Microsoft destapó el error que llevaba meses escondido y terminó colapsando sus servicios en todo el mundo

Cortesía

 

El vicepresidente ejecutivo de Copilot, Agentes y Plataforma en Microsoft, Charles Lamanna, atribuyó este lunes la reciente caída global de los servicios de Microsoft 365 a una combinación de un “defecto latente” introducido en julio, una mayor carga y una menor capacidad del servidor.

Lamanna explicó en un largo mensaje en X que una combinación de tres factores provocaron la interrupción global de su servicio entre el jueves y viernes de la semana pasada.





“Primero, un defecto latente causó que los servidores se sobrecargaran y se volvieran no responsivos bajo ciertas condiciones de carga. Esto se debió a una contención de bloqueos dentro de un proceso interno que causó que la máquina se volviera no disponible”, aseguró.

El defecto se introdujo en una actualización que comenzó a desplegarse en julio y permaneció más de tres meses sin causar problemas visibles.

Este problema de contención no se manifestó en los laboratorios de pruebas de la compañía, pero sí en equipos con más núcleos y hardware más reciente, que son más potentes que las configuraciones de hardware con las que hacían las pruebas.

“En segundo lugar, un aumento de la carga incrementó la probabilidad de que las puertas de enlace de red experimentaran este problema de contención”, siguió.

Según explicó Lamanna, Microsoft 365 cuenta con dos sistemas de puerta de enlace de red independientes y heterogéneos que permite a sus servicios pasar de uno a otro en caso de caídas o interrupción.

Unas quince horas antes de la caída global, Teams, su plataforma de comunicación y colaboración en la nube, cambió de puerta de enlace y entró en la que da servicio al correo electrónico Exchange Online.

La combinación de ambos provocó un aumento de la carga y modificó sus patrones de tráfico.

“En tercer lugar, al mismo tiempo, casi el 14% de la capacidad de servidores de la puerta de enlace de red estaba fuera de servicio debido a un problema no relacionado que se había producido el día anterior”, dijo

La combinación de estos factores activó el fallo latente y dejó servidores sin respuesta. La redistribución automática del tráfico a otros equipos provocó un fallo en cascada que, en su peor momento, afectó a más del 80 % de los servidores.

La recuperación, dijo, tomó más tiempo de lo habitual porque, a medida que los servidores regresaban al servicio, eran inmediatamente abrumados por el tráfico en espera y volvían a dejar de responder.

Lamanna agregó en la nota que la empresa ofrecerá más detalles sobre el incidente a lo largo de esta semana.

EFE

La noticia no descansa y nosotros tampoco
Únete a nuestra
Comunidad de WhatsApp