Microsoft 365で11月12日、複数のサービスに影響する世界的な障害が発生しました。多くの利用者がメールを送受信できず、ネットワークゲートウェイのサーバーは最も深刻な時点で8割超が応答不能になりました。7月に展開された変更に潜んでいた不具合に、負荷の増加とサーバー容量の低下が重なったことが原因です。
7月に展開した変更に潜んでいた不具合
Microsoft 365のネットワークゲートウェイは、多くのサービスの通信を扱う仕組みです。その専用サーバー向けに用意された修正で、内部プロセスのロック競合が生じる不具合が入りました。特定の負荷条件でサーバーが処理しきれなくなり、応答不能になる問題です。
変更の展開は7月に始まり、数週間かけて世界に広がりました。展開中に問題は観測されず、3カ月以上にわたり影響は表面化しませんでした。
通常の負荷テストでは、実際の環境と通信や機種の構成が異なっていました。この競合はコア数の多い新しいハードウェアで悪化します。一方、テストではコア数の少ない機種が中心だったため、潜在的な問題を検出できませんでした。
負荷集中と容量低下が重なる
Microsoft 365には、独立した2系統のネットワークゲートウェイがあります。障害の約15時間前、Teamsの通信は代替側から、Exchange Onlineも支える主要側へ切り替わり、主要側の負荷と通信パターンが変わりました。
さらに、前日に発生した別の問題で、ゲートウェイのサーバー容量の約14%が停止していました。この容量は通常の保守と健全性確認を通じて復帰する予定でした。Microsoftは、容量の低下だけでは余裕があり、影響は生じなかったとしています。
負荷の増加と容量低下が重なり、7月から潜んでいた不具合が発生しました。要求が積み重なり、サーバーが応答を停止しました。障害が起きたのは米国で通信量がピークとなる時間帯です。
通信の振り替え先にも障害が拡大
サーバーが接続を失うと、通信管理システムは利用者を正常な接続先へ自動的に振り分けます。今回は振り替えられた通信によって、残った接続先でも同じ問題が起きやすくなりました。同じ量の負荷がより少ないサーバーに集中し、障害が連鎖しました。
2時間足らずのうちに不具合が広がり、最も深刻な時点ではサーバーの8割超が応答しなくなりました。通常は容量の区画や地域の間に設けられた仕切りが、連鎖の拡大を抑えます。今回は別の問題により仕切りが機能せず、ゲートウェイ基盤全体に影響が広がりました。
復帰したサーバーも待機中の通信をすぐに受けて過負荷となり、再び応答を失いました。通常の自動復旧処理は、これほど広い範囲が応答不能になった状態からの復旧を想定していませんでした。数カ月前の変更に潜んだ不具合だったため、通常の変更の差し戻しなどでも迅速な復旧はできませんでした。
TeamsやCopilotにも影響
障害はメールに加え、Teams、SharePoint Online、Microsoft 365 Copilot、Microsoft Defender XDRなどに及びました。世界の利用者が、これらのサービスへの接続に問題を経験しました。Microsoftは当初、米州のExchange Onlineでメールボックスに接続できない問題を調査し、その後、どの地域の利用者にも影響が及ぶ可能性を示しています。
Teamsでは予定の作成や招待、会議の編集などが失敗する場合がありました。一方、通話や会議への参加、グループチャットなどの主要機能は大部分が影響を受けませんでした。SharePoint Onlineでは、組織外へのファイル共有に問題が生じる場合もありました。
Copilotではチャットが読み込まれない、または応答しない場合がありました。一部のサービスは問題のあるゲートウェイから切り替わったため、より早く復旧しました。Teamsのチャットと会議は障害の大部分の時間帯で機能していましたが、Exchange Onlineは同様に切り替えることができませんでした。
段階的に復旧し、事後報告を予定
復旧に向けて、技術者は不具合のある処理を以前の正常な状態に戻す更新を作成しました。サーバーをグループごとに停止し、更新を適用して再起動した後、サービスに戻しました。この作業は地域の半分以上に当たる規模を含め、大量の基盤に対して段階的に実施されています。
11月13日には、サービスの利用可能性とメール配送が改善する一方、一部で断続的な問題が続きました。遅延したメールを保持するため、メールのタイムアウト期間は48時間に延長されました。Microsoftは11月13日16時10分(UTC)を障害の終了時刻とし、その後、対象環境のサービスと滞留していたメールの処理が完全に復旧したとしています。
Microsoftは、障害はサイバー攻撃ではなく技術的な問題だとしています。また、前月に発表した人員削減との関連を否定しました。詳細な事後報告は、調査を終えた後に公表する予定です。










