Microsoft achaca la gran caída global de Outlook, Teams y Copilot a un fallo de software latente desde julio

Microsoft detalla que un fallo de software latente desde julio, unido a más tráfico y menos capacidad, causó la caída global de Outlook, Teams y Copilot.

3 minutos

Añadir DEMÓCRATA en Google

Publicado

3 minutos

Microsoft ha difundido un análisis pormenorizado sobre las tres causas que desencadenaron la interrupción masiva de Outlook, Teams y Copilot en más de 70 países el pasado jueves, una avería que se prolongó cerca de 24 horas y cuyo origen principal fue un defecto de 'software' que llevaba activo desde julio sin haberse detectado.

Según detalla la compañía, a través del vicepresidente ejecutivo de Copilot, Agentes y Plataformas, Charles Lamanna, un error de 'software' que permanecía oculto, sumado a un incremento del tráfico de red y a una merma en la capacidad de los servidores, provocó la caída global de la puerta de enlace de red, el sistema que recibe las conexiones de los usuarios y las encamina hacia cada servicio, y que respalda buena parte de Microsoft 365.

“Lamentamos profundamente el impacto en todos nuestros clientes y reconocemos el impacto que esto tiene en sus operaciones y negocios normales”, ha indicado Lamanna en una publicación en X (antes Twitter), donde ha sintetizado los motivos del fallo. Los detalles técnicos se amplían en el informe preliminar postincidente disponible en el centro de administración bajo los identificadores MO1550821 y EX1550543.

Un defecto latente desde julio y un aumento repentino de carga

El directivo explica que el incidente se originó por la combinación de tres factores. El primero fue un defecto latente introducido con una actualización de corrección para los servidores de puerta de enlace de red de Microsoft 365. Esta actualización, que superó el proceso interno de despliegue seguro, comenzó a distribuirse en julio y se extendió globalmente durante más de tres meses sin causar problemas aparentes.

No obstante, el pasado jueves el fallo se activó bajo determinadas condiciones de carga, provocando que los servidores se saturasen y dejaran de funcionar correctamente, tal y como precisa Lamanna.

El segundo elemento fue un repunte brusco de la demanda, que incrementó la probabilidad de que las puertas de enlace se toparan con ese defecto latente.

Microsoft opera con dos sistemas de puertas de enlace de red independientes, diseñados para conmutar de uno a otro en caso de interrupciones o fallos. Quince horas antes del incidente global, Teams realizó una conmutación por error desde la puerta de enlace alternativa a la principal, que también presta servicio a Exchange Online.

Esta conmutación, una práctica habitual dentro de las medidas de resiliencia de Microsoft y parte de su operativa diaria, elevó la carga sobre esa puerta de enlace principal y alteró sus patrones de tráfico.

Menos capacidad disponible y un fallo en cascada

El tercer factor fue que, de forma simultánea, casi un 14% de la capacidad de los servidores de la puerta de enlace de red estaba fuera de servicio por un problema distinto, surgido el día anterior y sin relación directa con el defecto de julio.

Todo ello coincidió con la franja de mayor uso en Estados Unidos. El mecanismo automático que redistribuye a los usuarios cuando se pierde conectividad intensificó la presión sobre los puntos de conexión que seguían activos, desencadenando un fallo en cascada de servidor en servidor. En el momento más crítico, más del 80% de los servidores dejaron de responder.

“Tomados en conjunto, la carga aumentada y la capacidad de servidores reducida causaron que la puerta de enlace de red encontrara el error latente de julio. Esto causó que las solicitudes se acumularan hasta que los servidores finalmente dejaron de responder”, ha concluido Lamanna.

Recuperación desigual de los servicios y corrección definitiva

Teams, OneDrive, SharePoint y las 'apps' de Office se restablecieron antes, en 11 horas y 50 minutos, porque pudieron conmutar fuera de la infraestructura de puerta de enlace de red afectada.

En cambio, Exchange Online, que no tenía capacidad para desviar el tráfico fuera de esa misma puerta de enlace, tardó bastante más en recuperarse, ya que Microsoft no logró revertir el cambio mediante sus mecanismos habituales.

En total, Exchange Online volvió a estar operativo a las 17.10 (hora peninsular) del 13 de noviembre, tras 23 horas y 50 minutos de incidencia, aunque el cierre oficial del incidente no se produjo hasta las 5.17 del sábado (hora peninsular).

La solución definitiva pasó por desarrollar una nueva actualización para corregir el defecto, una vez que los ingenieros confirmaron que era la causa raíz. Esta actualización permitió devolver la ruta de código a su estado correcto, ir reactivando grandes bloques de infraestructura de forma controlada y restablecer progresivamente la operatividad de los servicios.

La compañía tiene previsto publicar a lo largo de esta semana el informe postincidente definitivo, en el que ofrecerá información adicional sobre lo ocurrido y las medidas adoptadas.