
เหตุขัดข้องเมื่อวันที่ 12 พฤศจิกายนส่งผลกระทบอย่างรุนแรงต่อการดำเนินงานประจำวันของลูกค้าองค์กรและหน่วยงานภาครัฐทั่วโลก ตอกย้ำอีกครั้งถึงจุดเปราะบางในการดำเนินงานและความเสี่ยงจากการกระจุกตัวที่เกิดจากการพึ่งพาผู้ให้บริการคลาวด์รายเดียวมากเกินไป หลังจากเผยแพร่รายงานเบื้องต้นสำหรับลูกค้าเมื่อวันอาทิตย์ รองประธานบริหารของ Microsoft ได้กล่าวขอโทษอย่างเป็นทางการต่อเหตุขัดข้องผ่าน X เมื่อวันจันทร์ ในช่วงที่เหตุขัดข้องรุนแรงที่สุด เซิร์ฟเวอร์เกตเวย์เครือข่ายที่รองรับ Exchange Online มากกว่า 80% ไม่ตอบสนอง แม้แอปพลิเคชันอย่าง Teams, OneDrive และ SharePoint จะเปลี่ยนไปใช้โครงสร้างพื้นฐานที่ทำงานได้ตามปกติอย่างรวดเร็ว แต่ Outlook และ Exchange Online ยังคงใช้เกตเวย์ที่มีปัญหาในช่วงเวลาทำการที่มีการใช้งานหนาแน่นที่สุดของสหรัฐฯ

เหตุขัดข้องครั้งนี้เกิดจากปัจจัยด้านการดำเนินงานสามประการร่วมกัน ในช่วงดึกของวันที่ 11 พฤศจิกายน ระบบจัดการทราฟฟิกอัตโนมัติได้เปลี่ยนเส้นทางทราฟฟิกของ Teams ตามขั้นตอนปกติไปยังเกตเวย์เครือข่ายหลักที่รองรับทราฟฟิกของ Outlook อยู่แล้ว ขณะเดียวกัน งานบำรุงรักษาที่ไม่เกี่ยวข้องกันซึ่งดำเนินการในวันก่อนหน้าได้ทำให้กำลังรองรับของเซิร์ฟเวอร์เกตเวย์ประมาณ 14% หยุดให้บริการ ส่งผลให้ระบบไม่มีกำลังสำรองเพื่อรองรับทราฟฟิกที่พุ่งสูงขึ้น
ในวันที่ 12 พฤศจิกายน ทราฟฟิกที่พุ่งสูงขึ้นได้กระตุ้นให้เกิดบั๊กการแย่งล็อกภายในระบบ ซึ่งติดมากับการอัปเดตเกตเวย์ในเดือนกรกฎาคม ส่งผลให้เซิร์ฟเวอร์ใช้หน่วยความจำจนหมดและล่มลงทีละเครื่อง Ramanna อธิบายว่า การทดสอบมาตรฐานในห้องปฏิบัติการก่อนนำไปใช้งานจริงตลอดช่วงสามเดือนที่ผ่านมาไม่สามารถตรวจพบบั๊กดังกล่าวได้ เนื่องจากสภาพแวดล้อมการทดสอบเน้นใช้ฮาร์ดแวร์รุ่นเก่าที่มีคอร์ประมวลผลน้อยกว่า แทนที่จะใช้หน่วยประมวลผลรุ่นใหม่ที่มีจำนวนคอร์สูงกว่า ซึ่งมีแนวโน้มจะกระตุ้นให้เกิดปัญหาการแย่งล็อกมากกว่า
ระบบจัดการทราฟฟิกอัตโนมัติพยายามเปลี่ยนเส้นทางผู้ใช้ไปยังโหนดที่ทำงานได้ตามปกติ แต่กลับเร่งให้เหตุขัดข้องลุกลาม เนื่องจากทำให้เซิร์ฟเวอร์ที่เหลือต้องรับภาระเกินขีดความสามารถ ขณะเดียวกัน ปัญหาอีกประการหนึ่งทำให้กลไกแยกพาร์ทิชันตามมาตรฐานไม่สามารถจำกัดความขัดข้องให้อยู่ภายในภูมิภาคที่เกิดเหตุได้ ส่งผลให้บั๊กแพร่กระจายไปทั่วโครงสร้างพื้นฐานเซิร์ฟเวอร์ของ Microsoft ทั่วโลกภายในเวลาไม่ถึงสองชั่วโมง
การกู้คืนระบบใช้เวลายาวนานผิดปกติ วิศวกรใช้เวลาประมาณ 15 ชั่วโมงในการระบุสาเหตุที่แท้จริง และใช้เวลาอีก 15 ชั่วโมงก่อนจะเริ่มทยอยนำแนวทางแก้ไขไปใช้ เนื่องจากโค้ดที่มีปัญหาถูกใช้งานมาหลายเดือนแล้ว เครื่องมือย้อนกลับเวอร์ชันและสวิตช์เปิดปิดฟีเจอร์ตามมาตรฐานจึงใช้ไม่ได้ผล วิศวกรจำเป็นต้องนำโครงสร้างพื้นฐานมากกว่าครึ่งหนึ่งในแต่ละภูมิภาคที่ได้รับผลกระทบออกจากระบบในแต่ละครั้ง เพื่อทยอยย้อนกลับโค้ดและค่อย ๆ กลับมารองรับทราฟฟิกของผู้ใช้ที่ค้างสะสมเป็นขั้นตอน
มุมมองตลาด:
เหตุการณ์นี้สะท้อนให้เห็นถึงความซับซ้อนที่เพิ่มขึ้นในการบริหารจัดการโครงสร้างพื้นฐานคลาวด์ขนาดมหาศาล ขณะที่ธุรกิจต่าง ๆ พึ่งพาเครื่องมือเพิ่มประสิทธิภาพการทำงานแบบบูรณาการและบริการ AI มากขึ้น ในระยะข้างหน้า ลูกค้าสถาบันและผู้ติดตามตลาดมีแนวโน้มที่จะตรวจสอบกระบวนการทดสอบโหลดและมาตรการป้องกันในการสลับไปใช้ระบบสำรองของ Microsoft อย่างใกล้ชิดยิ่งขึ้น เพื่อให้มั่นใจว่าการติดตั้งใช้งานฮาร์ดแวร์ที่มีความหนาแน่นสูงจะไม่ก่อให้เกิดความเสี่ยงเชิงระบบที่แฝงอยู่
