У Microsoft пояснили причини збою Microsoft 365, який зачепив понад 70 країн

Компанія Microsoft розкрила деталі інциденту, зокрема причини тривалого відновлення Outlook, Teams та інших сервісів.

Cheng Xin/Getty Images

12 листопада в роботі Microsoft 365 стався масштабний збій, наслідки якого користувачі відчували понад добу. Проблеми торкнулися більш ніж 70 країн світу, порушивши роботу корпоративних сервісів, державних установ і банків. Згодом Чарльз Ламанна, виконавчий віцепрезидент Microsoft, відповідальний за Copilot, ШІ-агентів і платформи, розкрив технічні причини інциденту.

- Ми щиро перепрошуємо всіх наших клієнтів за спричинені незручності та усвідомлюємо, наскільки суттєво цей інцидент вплинув на їхню звичну роботу та бізнес-процеси. Інцидент, що стався в четвер, 12 листопада 2026 року, був спричинений сукупністю трьох основних факторів, які разом призвели до глобального збою мережевого шлюзу, через який здійснюється доступ до багатьох служб Microsoft 365, - зазначив Ламанна.

По-перше, прихований дефект у програмному коді призвів до того, що за певних умов навантаження сервери перевантажувалися та переставали відповідати на запити. Причиною стала конкуренція за блокування (lock contention) усередині одного з внутрішніх процесів, унаслідок чого сервер ставав недоступним. Цей дефект виник у результаті виправлення, розробленого спеціально для серверів мережевого шлюзу Microsoft 365. 

Перші зміни в роботі системи почали впроваджуватися в липні цього року. Оновлення пройшло всі етапи безпечного розгортання та протягом кількох тижнів було поступово впроваджене в усьому світі. Упродовж цього періоду жодних проблем не спостерігалося. Понад три місяці оновлення працювало глобально без будь-якого негативного впливу на сервіси.

- Наші стандартні навантажувальні тести не виявили прихованої проблеми через відмінності в типах трафіку та конфігураціях SKU, які використовувалися в тестових середовищах. Проблема конкуренції за блокування посилюється на серверах із більшою кількістю ядер і новішим обладнанням, тоді як під час тестування ми переважно використовували менш потужні конфігурації серверів із меншою кількістю ядер, - додав він.

По-друге, різке зростання навантаження підвищило ймовірність виникнення цієї проблеми на мережевих шлюзах. У межах Microsoft 365 компанія використовує дві незалежні мережеві інфраструктури шлюзів із різними технічними реалізаціями. Вони призначені для ізоляції компонентів і забезпечення високої доступності сервісів. Завдяки цьому багато служб Microsoft 365 можуть перемикатися між ними у разі збоїв або перебоїв у роботі.

- Приблизно за 15 годин до початку інциденту Teams переключився з альтернативного мережевого шлюзу на основний, який також обслуговує Exchange Online. Це збільшило навантаження на основний шлюз і змінило характер мережевого трафіку. Таке перемикання є частиною штатних операційних процесів і важливим елементом стандартних механізмів забезпечення відмовостійкості Microsoft, - зазначив Ламанна.

По-третє, одночасно майже 14% серверних потужностей мережевого шлюзу були виведені з експлуатації через іншу, не пов'язану з цим інцидентом проблему, що виникла напередодні. Планувалося, що ці серверні потужності будуть повернуті до активної роботи в межах планового технічного обслуговування та стандартних процедур перевірки працездатності. Загальний резерв потужностей сервісу був достатнім, тому саме по собі скорочення кількості доступних серверів не вплинуло на роботу системи.

У сукупності збільшене навантаження та зменшення доступних серверних потужностей призвели до прояву прихованого програмного дефекту, який з'явився ще в липні. Унаслідок цього запити почали накопичуватися в чергах, доки сервери зрештою не припинили відповідати. Збій стався в період пікового навантаження на мережу у США.

За словами Ламанна, коли сервери втрачають зв'язок, системи керування трафіком компанії  автоматично перенаправляють користувачів на інші працездатні кінцеві точки (endpoints). Зазвичай цей механізм допомагає уникнути перебоїв через технічні несправності. Однак цього разу перенаправлення трафіку підвищило ймовірність виникнення тієї самої проблеми на решті серверів. У результаті почався каскадний збій: навантаження, яке раніше розподілялося між більшою кількістю серверів, тепер припадало на дедалі меншу їх кількість.

Менш ніж за дві години дефект поширився на всю серверну інфраструктуру мережевого шлюзу, через що сервери перестали відповідати. У найкритичніший момент недоступними були понад 80% серверів. Частина служб, зокрема Teams, OneDrive, SharePoint та програми Office, змогли переключитися на іншу інфраструктуру, тому їхню роботу вдалося відновити швидше. Водночас Exchange Online такої можливості не має.

Ламанн додав, відновлення ускладнювалося тим, що сервери після перезапуску одразу отримували накопичені запити, знову перевантажувалися та переставали відповідати. Також стандартні автоматизовані механізми відновлення компанії не були розраховані на настільки масштабний збій, коли одночасно перестає відповідати значна частина серверів. До того ж прихований дефект, який виник кілька місяців тому, не дозволив швидко усунути проблему за допомогою звичайних механізмів відкату оновлень (rollback), поетапного розгортання (flighting) і функціональних прапорців (feature flags).

Після підтвердження першопричини інженери розробили виправлення, яке повернуло програмний код до попереднього стабільного стану. Його впроваджували поступово: групи серверів виводили з експлуатації, оновлювали, перезапускали та повертали до роботи. За один етап виправлення могли охоплювати 50% і більше серверних потужностей окремого регіону.

Підсумковий звіт за результатами аналізу інциденту (Post-Incident Review, PIR) із додатковою інформацією буде опубліковано пізніше цього тижня.

More details on the root cause can be found in the Microsoft 365 Admin center, and an abridged version can be found below. We are deeply sorry for the impact to all our customers and recognize the impact that this has on their normal business & operations. The incident on Thursday, November 12th, 2026, was caused by three main factors that together caused a global outage for the networking gateway that fronts many Microsoft 365 services. First, a latent defect caused servers to become overwhelmed and unresponsive under certain load conditions. This was due to lock contention inside an internal process which caused the machine to become unavailable. This defect was the result of a fix that was prepared specifically for Microsoft 365 networking gateway servers; neither the underlying defect nor the fix applies to broader Windows deployments. The initial change in behavior first started deployment in July of this year. The update went through safe deployment and saturated globally over several weeks, during which time no issues were observed. For more than three months, the change was deployed worldwide without impact. Our normal load testing did not detect the latent issue because the different traffic and SKU mix used in our test labs. The contention issue is worsened on machines with more cores and newer hardware; whereas our load testing tended to focus on our weaker hardware SKUs with fewer cores. Second, a surge in load increased the likelihood for the networking gateways to encounter the contention. Within Microsoft 365, we maintain two independent and heterogenous network gateway systems designed for isolation and high availability. This allows many Microsoft 365 services to fail to/from them during outages or disruptions. Approximately fifteen hours before the outage, Teams failed over from the alternative networking gateway to the ‘primary’ gateway that also supports Exchange Online. This increased the load on the networking gateway and changed its traffic patterns. This type of failover is part of normal operations and is integral to standard Microsoft resiliency efforts. Third, at the same time, nearly 14% of server capacity for the networking gateway was out of service due to an unrelated issue from the previous day. This server capacity was on track to be returned to active service through routine maintenance and health processes. The service had sufficient capacity headroom, so the reduction in server capacity had no impact on its own. Taken together, the increased load and the reduced server capacity, caused the network gateway to encounter the latent bug from July. This caused requests to build up until servers ultimately stopped responding. This occurred during the peak window of traffic in the United States. When servers lose connectivity, our traffic management systems automatically route users to other healthy endpoints. This happens often and is critical to avoiding any interruption due to hardware, software, or network defects and is normally what makes the service resilient. However, the redirected traffic increased the likelihood for the same problem to occur on the remaining endpoints. This caused a cascading failure from server to server as the same amount of load was spread across fewer servers. In less than two hours, the previously unknown defect was encountered across our fleet and rendered them unresponsive. At its lowest, more than 80% of servers were unresponsive. Normally, the network gateway is composed of thousands of ‘capacity units’ which represent shards of capacity, hardware, and networking infrastructure. These ‘capacity units’ are then organized into regions. In this case, due to a separate issue, the normal bulkheads between these different partitions did not stop the cascading failure. This is what allowed the impact to spread across our network gateway infrastructure globally. Several services like Teams, OneDrive, SharePoint, and Office apps failed out of the faulty network gateway infrastructure. That is why those services were restored earlier, with Teams chats and meetings functioning without issue for most of the outage. But not all services, like Exchange Online, can fail out of this network gateway. Recovery took longer than usual because as servers returned to service, they were immediately overwhelmed by waiting traffic and became unresponsive again. Our normally automated recovery processes were not designed to restore service from this broad unresponsive state. Additionally, since the main code defect was a latent bug from several months previous, our normal rollback, flighting, and feature flags were unable to quickly revert the change. After engineers confirmed the defect as the cause, we developed an update that returned the code path to the previously known good state. To effectively apply this fix, and to slowly bring the service online again, we took groups of servers out of service, applied the change, and restarted them before returning them to service. This process was carefully applied to large quantities of infrastructure at a time (e.g. 50%+ of a region). The final Post-Incident Review (PIR) will provide more details later this week.

— Charles Lamanna (@clamanna) November 16, 2026