Exchange Online、Teams、Copilot和Defender的安全链接功能持续受到影响,微软不断修正事故原因说法,澳大利亚已援引与该公司的协议介入处理。

编者注:微软已宣布修复导致此次中断的根本问题,并正在为客户恢复服务。

如果你正为无法收发邮件而苦恼,你并不是一个人。在Exchange Online故障导致Outlook宕机、并波及Teams、SharePoint、Copilot以及公司部分安全工具超过13个小时后,微软仍未能完全恢复Microsoft 365服务,该公司在凌晨表示,其最新修复措施"未能达到预期效果"。

根据微软服务健康仪表盘显示,此次中断始于协调世界时11月12日16:17分。

"用户可能无法通过网页版Outlook、桌面版Outlook(MAPI)、Exchange ActiveSync(EAS)或基于REST的连接访问其邮箱,邮件投递也可能出现延迟,"微软在仪表盘中写道。

美洲地区用户无法通过网页版Outlook、桌面版Outlook、移动客户端或REST API访问邮箱。两小时内,微软表示任何地区的用户都可能受到影响。公司随后开启了一个涵盖范围更广的事故处理流程,涉及Teams、SharePoint Online、Copilot、Defender XDR、Intune、Power BI以及多项Purview服务。

Downdetector网站记录显示,Outlook相关问题报告峰值时超过13万条。

在针对事故编号MO1550821发布的最新服务健康更新中,微软表示,在实施缓解措施的过程中,观察到从路由服务向后端服务器发出的调用量激增。该公司表示,流量重新平衡操作加剧了这一增长,目前正在扩展虚拟机以增加容量并降低负载。

"随着我们当前持续缓解措施的实施,我们观察到从路由服务向后端服务器发出的出站调用量激增,"微软在更新中表示。公司还补充道:"由于我们在此次事件中采取的流量重新平衡操作,我们仍持续观察到调用量处于高位。"

服务器故障是中断的根源

微软最初调查了基础设施负载升高的情况,并考虑近期的某项变更是否导致了此次事故。随后该公司表示,问题并非由整体流量增长所引发。

"我们已确定,负载升高并非由整体流量增长所驱动,而是由于大量服务器意外不可用,导致负载转移至剩余基础设施上,"该公司在Exchange Online事故更新中表示。

在随后的更新中,微软确认了一个负责建立安全连接的进程是问题的来源。

"我们的调查发现,受影响服务器上负责建立安全连接的某个进程出现过载,导致服务器停止处理请求,"该公司表示。

微软表示,正在准备一项配置变更来解决该问题,并计划先在部分服务器上进行测试,然后再大范围部署。公司同时正在回退一项与此次中断起始时间点相关联的近期网络配置变更,同时重启受影响的基础设施并监控服务器稳定性。

恢复过程涉及限制部分流量,并在微软确认服务器能否在负载下保持稳定后,逐步重新引入连接。该公司还报告称,部分服务器在流量恢复后再次变得无响应,需要进一步分析和采取缓解措施。

影响范围超出邮件服务

微软的事故通知显示,影响程度因服务和功能而异,部分取决于它们是否依赖于Exchange Online。

该公司表示,用户可能无法通过网页版Outlook、桌面版Outlook、Exchange ActiveSync或基于REST的连接访问Exchange Online邮箱,邮件投递也可能延迟。公司表示,Teams的核心消息功能和在线会议大体保持正常运行,但依赖Exchange的功能,如日历访问和会议安排,可能会出现故障。

微软还表示,直接访问存储在SharePoint Online中的文件功能仍保持正常,而依赖Exchange Online的功能可能受到影响。对于Microsoft 365 Copilot,用户可能无法加载Copilot Chat或获得响应,Copilot体验功能也可能无法访问电子邮件、日历和文件等工作数据。

通知还指出,Defender for Office 365的安全链接功能可能受到潜在影响,该功能可能无法验证在Outlook和Teams中点击的网址,部分Defender XDR门户页面也可能受到影响。其他报告的影响还包括部分Intune设备注册和合规场景,以及Purview的数据丢失防护、自动标记和通信合规等功能。

企业集中化风险

此次事故再度引发了外界对企业将邮件、协作和安全功能集中整合至单一云生态系统所带来的运营依赖性问题的关注。

"企业将Microsoft 365仅视为一种许可,从未将其视为单点故障风险,"Greyhound Research首席分析师Sanchit Vir Gogia表示。

Gogia指出,当邮件、会议以及安全链接等安全功能都依赖于同一服务体系时,一次基础设施中断可能同时影响多项业务功能。

"答案不是再准备一套备用系统,而是针对少数不能中断的关键事项,制定一套经过演练的应急方案:一条用于事故指挥的带外通道、针对关键岗位的邮件连续性保障,以及对每项安全控制措施在故障时应保持开放还是关闭所做出的书面决策,"他表示。

对安全团队而言,区分"服务不可用"与"依赖性安全功能受损"这两种情况十分重要。例如,微软关于安全链接的通知指出的是特定的网址验证功能受到影响,而非Defender for Office 365全部能力的丧失。

Gogia还表示,企业客户希望获得关于此次事故的详细说明,包括显示微软何时识别出不同原因,以及如何验证恢复措施有效性的完整时间线。微软持续通过其Microsoft 365服务状态门户发布更新,但尚未发布最终的事故根本原因分析报告。

本文最初发表于CIO网站。

Computerworld