一、从邮箱开始,一路蔓延
11 月 12 日美东时间 11 时 17 分,Exchange Online 的用户开始打不开邮箱,事件编号 EX1550543。两小时后,微软把范围扩大到 Teams、SharePoint Online、Microsoft 365 Copilot 与 Defender XDR,开出 MO1550821。Downdetector 上 Outlook 的报错高峰约 13 万到 14 万条,这些是用户上报数,不是客户数。到 11 月 15 日,微软确认核心故障已根本修复、全球服务恢复,整场事故持续接近 24 小时,波及至少 74 个国家。
当天上午其实已经有一次预演。Teams 在美洲出过一次故障,编号 TM1550488,从 9 时 45 分到 10 时 53 分,表现是消息发送延迟或失败、会话创建报错、历史消息拉不出来,微软归因为资源争抢导致利用率过高。那次已经解决,官方没有说明两起是否相关。
二、官方的解释改了三次
第一版说法是多个区域的基础设施负载升高。第二版推翻了它:负载升高不是因为流量变大,而是一批服务器意外不可用,把压力挤到剩下的机器上。第三版更具体,说是一个负责安全连接的进程被打满导致容量流失,同时开始回滚少量近期的网络配置变更。到 11 月 15 日收尾,微软给 BBC 的口径是,故障源头来自此前一次网络容量升级过程中引入的技术问题,与网络攻击、人工智能代理操作均无关联。
处置动作能看出这类事故的难处。微软暂停了所有部署和配置变更,把流量在全球基础设施之间重新分配、往备用路径上迁,重启受影响的服务器,并把邮件超时窗口临时延长到 48 小时以保住延迟的消息。执行副总裁 Charles Lamanna 在 X 上公开道歉,明确说没有发现恶意活动的证据。承诺的事后复盘报告当时还没发。
一台服务器掉线是运维问题,一批服务器同时掉线是架构问题。自动健康检查本来该是防线,这次成了放大器。
三、被牵连的不止是邮件
影响面比邮件大得多。英国 NHS 的部分机构反映急救电话支持团队出现积压,因为无法按常规方式传递病人数据;德国铁路与英国国家铁路的邮件和车票分发出问题;印度多家航空公司的客服受影响;新西兰外交部说外交邮件收发受阻;澳大利亚联邦警察与情报机构报告系统异常;日本部分政府服务退回纸质流程。企业侧的连锁反应也有记录,Workhorse 因此推迟了三季度财报发布。
对做 AI 应用的人来说,最该记住的是另一条:Copilot、Graph 请求、所有依赖 Exchange 的功能一起挂,OpenAI 和 Anthropic 也都报告了各自的 Microsoft 连接器异常,Anthropic 把问题追溯到上游供应商。这意味着任何读邮件、读日历、读网盘的智能体,都把 Microsoft 365 当成了硬依赖。这类系统需要的不是把重试次数调高,而是降级模式和明确的失败边界:上游不可用时给出可见的失效状态,而不是静默返回一个空结果让模型自己编。
来源:https://www.bleepingcomputer.com/news/microsoft/massive-microsoft-365-outage-disrupts-outlook-teams-copilot-worldwide ;微软 365 管理中心公告 MO1550821 / EX1550543