Los propios sistemas de seguridad de Microsoft contribuyeron a que un fallo de software latente se convirtiera en la interrupción global del servicio de Outlook de la semana pasada, al redirigir el tráfico de los servidores que fallaban hacia otros que funcionaban correctamente, pero que tenían el mismo problema, hasta que más del 80 % de los servidores de su pasarela de red de Microsoft 365 dejaron de responder.
Ese fenómeno, conocido como fallo en cascada, es una de las conclusiones del informe preliminar de Microsoft sobre la interrupción del servicio, publicado durante la noche, en el que se analiza el fallo que dejó sin correo electrónico a personas y organizaciones de más de 70 países.
Según el informe, los intentos de recuperación se vieron aún más complicados por un segundo problema: los servidores que los ingenieros reiniciaban se veían inmediatamente desbordados por el tráfico acumulado y volvían a dejar de responder, un fenómeno conocido como “thundering herd”.
Microsoft afirma que las interrupciones activas del servicio duraron casi 24 horas. Los correos electrónicos retrasados siguieron entregándose tras el restablecimiento del servicio el viernes por la mañana, y la empresa publicó su comunicado de que todo estaba en orden en X a última hora del viernes por la noche, casi 38 horas después de que comenzara la interrupción.
El fallo subyacente se remonta a julio, cuando Microsoft comenzó a implementar una corrección en el software que gestiona las conexiones entrantes en su puerta de enlace de red, los servidores que se encuentran delante de Outlook y de muchos otros servicios de Microsoft 365.
Microsoft no ha revelado a qué se destinaba dicha corrección. Según el informe, funcionó en todo el mundo durante más de tres meses sin problemas. Hasta que todo cayó.
¿Por qué cayó Microsoft la semana pasada?
Eso es lo que ocurrió la semana pasada. Aproximadamente 15 horas antes de la interrupción del servicio, los sistemas de Microsoft desviaron automáticamente el tráfico de Teams hacia los mismos servidores que gestionan el correo electrónico de Outlook, lo que aumentó su carga, según el informe. Microsoft calificó este cambio como parte de las operaciones normales, pero no explicó qué lo provocó.
Para complicar aún más las cosas, casi el 14 % de la capacidad de los servidores de la pasarela ya estaba fuera de servicio debido a un problema no relacionado, que tampoco se detalla en el informe. Cuando el tráfico alcanzó su punto álgido durante la jornada laboral en EE. UU., eso bastó para provocar la interrupción del servicio.