Pular para o conteúdo
Tecnologia
Notícia

Microsoft diz que pane global do Outlook veio de defeito instalado em julho e que mais de 80% dos servidores de acesso travaram

Relatório preliminar aponta defeito de software de julho, troca de tráfego do Teams e capacidade reduzida como causas; falha se espalhou em cascata pela frota.

ComentaPublicado em4 min de leitura
Prédio 92 da sede da Microsoft em Redmond, com o logotipo da empresa na entrada
Prédio 92 da sede da Microsoft em Redmond (EUA), em maio de 2016 (imagem ilustrativa). Foto: Coolcaesar, via Wikimedia Commons (CC BY-SA 4.0)

A Microsoft divulgou na madrugada desta segunda-feira (16) o relatório preliminar sobre a pane que deixou o Outlook e outros serviços do Microsoft 365 fora do ar em vários países entre quinta (12) e sexta-feira (13). Segundo a empresa, a origem foi um defeito de software instalado em julho, que passou mais de três meses sem causar problemas e só se manifestou quando duas condições operacionais coincidiram. No pior momento, mais de 80% dos servidores do sistema que dá acesso a esses serviços pararam de responder.

O documento foi liberado aos administradores no centro de administração do Microsoft 365, nos registros dos incidentes MO1550821 e EX1550543, como anunciou a conta oficial de status da empresa no X às 1h48 (horário de Cuiabá). Pouco depois, o executivo Charles Lamanna, vice-presidente executivo responsável por Copilot, agentes e plataforma, publicou na mesma rede uma versão resumida e pediu desculpas aos clientes. A explicação é da própria Microsoft e ainda é preliminar: a revisão final pós-incidente deve sair ainda nesta semana.

Três fatores ao mesmo tempo

A falha atingiu o "gateway" de rede, a camada de servidores que fica na frente de vários serviços do Microsoft 365 e recebe as conexões dos usuários. A empresa aponta três fatores que, somados, derrubaram esse sistema.

O primeiro foi o defeito latente. Uma correção preparada especificamente para os servidores desse gateway introduziu um problema de disputa por recursos internos (a chamada contenção de travas) em um processo do sistema, que sob certas condições de carga deixava a máquina sobrecarregada e sem resposta. A mudança começou a ser distribuída em julho, passou pelo processo de implantação gradual e ficou meses em uso no mundo todo sem incidentes. A Microsoft diz que nem o defeito nem a correção se aplicam a instalações comuns do Windows, ou seja, não afetam computadores e servidores de clientes.

Os testes de carga não pegaram o erro porque usavam outra combinação de tráfego e se concentravam em servidores mais fracos, com menos núcleos de processamento. Segundo a empresa, o problema piora justamente nas máquinas mais novas e com mais núcleos.

O segundo fator foi um aumento de carga. A Microsoft mantém dois sistemas de gateway independentes, para que um sirva de reserva ao outro. Cerca de 15 horas antes da pane, o tráfego do Teams migrou do sistema alternativo para o principal, o mesmo que atende o Exchange Online, serviço de email e agenda corporativos. A empresa descreve esse tipo de troca como parte da operação normal.

O terceiro foi uma capacidade reduzida: quase 14% dos servidores do gateway estavam fora de serviço por um problema sem relação com o caso, ocorrido no dia anterior. Isoladamente, diz a Microsoft, essa redução não teria efeito, porque havia folga. Combinada ao tráfego extra, levou o sistema a esbarrar no defeito de julho, no horário de pico de uso nos Estados Unidos.

Por que a falha se espalhou

O que transformou um problema local em pane global foi o próprio mecanismo de resiliência. Quando um servidor deixa de responder, o sistema de gestão de tráfego redireciona os usuários para outros servidores saudáveis. Dessa vez, a carga redirecionada fez os servidores restantes também encontrarem o defeito, em efeito cascata: a mesma quantidade de tráfego passou a ser dividida entre cada vez menos máquinas. Em menos de duas horas, o erro tinha atingido a frota.

A Microsoft afirma que o gateway é dividido em milhares de unidades de capacidade, agrupadas por região, com barreiras de isolamento entre elas. Por causa de um problema separado, que o resumo não detalha, essas barreiras não contiveram a falha, e o impacto chegou à infraestrutura do mundo inteiro.

A divisão ajuda a explicar a experiência dos usuários. Teams, OneDrive, SharePoint e os aplicativos do Office conseguiram desviar do gateway com defeito e voltaram antes; segundo a empresa, chats e reuniões do Teams funcionaram durante a maior parte do incidente. O Exchange Online não tem essa alternativa, e por isso o email foi o serviço mais afetado.

Recuperação lenta

A volta demorou porque cada servidor religado era imediatamente inundado pelo tráfego represado e travava de novo. Os processos automáticos de recuperação não foram desenhados para um cenário em que quase toda a frota estava sem resposta. Como o defeito vinha de uma mudança de meses antes, as ferramentas usuais de reversão rápida, como desligar recursos por configuração, também não funcionaram.

Depois de confirmar a causa, os engenheiros criaram uma atualização que devolveu o trecho de código ao estado anterior. Para aplicá-la, tiraram grupos inteiros de servidores de operação, às vezes mais da metade de uma região, instalaram a correção, reiniciaram as máquinas e só então devolveram o tráfego.

O que ainda falta

A versão divulgada até agora não explica qual foi o "problema separado" que impediu o isolamento entre regiões, nem quais mudanças a Microsoft fará nos testes e na arquitetura para evitar uma repetição. Esses pontos devem aparecer na revisão final. A empresa já tinha dito, na sexta, que o incidente foi técnico e não teve relação com ataque cibernético nem com inteligência artificial.

No Brasil, a pane levou o Conselho Nacional de Justiça (CNJ) a suspender os prazos processuais de 12 e 13 de novembro em todo o país. A contagem volta a correr nesta segunda-feira (16). Para equipes de TI, o relatório completo fica nos registros MO1550821 e EX1550543 do painel de integridade de serviço do Microsoft 365.

Leia também

Continue lendo

Parte frontal de um rack Nvidia GB200 NVL72, com várias bandejas de computação douradas empilhadas, portas de rede e o logotipo da Nvidia no topo
Inteligência Artificial

Novo chip de IA da Nvidia estreia no principal teste de treinamento com até o dobro da velocidade por GPU; TPU do Google chega perto

Na rodada MLPerf Training v6.1, o Vera Rubin NVL72 foi o mais rápido em seis de sete testes, segundo a Nvidia. TPU Ironwood do Google estreou perto do GB300 em 8.192 chips; AMD ficou fora dos testes mais pesados.

Edifício-sede do Banco Central em Brasília ao entardecer, visto de uma avenida com carros estacionados, postes de luz e outros prédios do centro da cidade
Economia

Atividade econômica recua 0,9% no terceiro trimestre e tem primeira queda em um ano, aponta prévia do PIB do Banco Central

IBC-Br caiu 0,9% de julho a setembro, com recuo na agropecuária, na indústria e nos serviços; em setembro, a queda foi de 0,2%. IBGE divulga o PIB do trimestre em 2 de dezembro.

Fachada branca do centro de cibersegurança do Google em Málaga, na Espanha, com palmeiras, bicicletas e o logotipo colorido do Google ao fundo
Cibersegurança

Google diz ter flagrado pela primeira vez hackers usando IA que transforma correções de segurança em ataques sem ajuda humana

Relatório do grupo de inteligência de ameaças do Google descreve ferramenta que comparava versões de software, descobria a falha corrigida, escrevia o ataque e o executava sozinha contra sites franceses; empresa vê prazo para atualizar sistemas encolher.