Falha não detectada desde julho causou apagão global da Microsoft

5 Min Read
Falha não detectada desde julho causou apagão global da Microsoft

A falha que derrubou softwares de produtividade da Microsoft na semana passada estava presente, sem ser detectada, nos data centers da companhia desde julho.

Quando a fabricante de software realizou um redirecionamento rotineiro do tráfego de usuários em 11 de novembro, o sistema apresentou um mau funcionamento. Em seguida, servidores essenciais para o Outlook, Teams, o assistente de IA Copilot e vários outros serviços começaram a falhar, provocando interrupções para usuários em todo o mundo.

Durante as 15 horas seguintes, enquanto enfrentava falhas dispersas em servidores, a empresa não percebeu de imediato a dimensão do problema, segundo um relatório preliminar enviado aos clientes no domingo à noite. A Microsoft levou outras 15 horas para identificar a causa e começar a implementar a correção, um período considerado longo para um mundo cada vez mais dependente de seus softwares.

As ações da Microsoft caíam cerca de 1% às 14h29 (horário de Nova York) desta segunda-feira (16).

Pouco depois das 20h de Nova York, em 11 de novembro, o tráfego do Teams, serviço de videoconferência e mensagens da companhia, foi redirecionado automaticamente para um sistema separado de servidores que também atende o Outlook. Essa mudança, combinada com uma perda de capacidade causada por um problema não relacionado ocorrido no início da semana, acionou a falha, levando os servidores a esgotarem sua memória após um aumento inesperado do volume de tráfego.

Os servidores começaram a apresentar falhas. O problema foi agravado por sistemas automatizados que transferiram e-mails e tráfego de usuários para outros servidores considerados saudáveis pela infraestrutura da Microsoft, fazendo com que a falha também se propagasse para esses sistemas. Às 11h30 de 12 de novembro, justamente quando o volume de uso corporativo nos Estados Unidos se aproximava do pico, a empresa percebeu a gravidade da situação.

Foram necessárias mais 15 horas de investigação até o início da implementação da solução. Nesse intervalo, o trabalho de muitos clientes corporativos e governamentais foi afetado. Caixas de entrada deixaram de carregar, convites do Teams desapareceram e funcionários recorreram a telefonemas e até papel e caneta para manter suas atividades.

O incidente representou um constrangimento para a Microsoft e serviu como alerta sobre os riscos da forte dependência de um único fornecedor de tecnologia. Charles Lamanna, vice-presidente executivo responsável pelos softwares de produtividade da empresa, pediu desculpas pelo apagão em uma publicação na rede social X e detalhou os fatores que levaram à interrupção.

Uma cronologia mais abrangente divulgada para profissionais de tecnologia que utilizam o pacote Microsoft 365 mostrou como os próprios mecanismos automáticos criados para manter os serviços disponíveis ajudaram a desencadear uma falha em cascata. No pior momento da crise, na quinta-feira, mais de 80% dos servidores que sustentam o Outlook ficaram sem responder.

Normalmente, interrupções desse tipo duram apenas algumas horas. Neste caso, o problema persistiu porque, assim que os servidores voltavam a operar, eram imediatamente sobrecarregados pelo tráfego acumulado e voltavam a falhar. Além disso, como o erro estava presente havia meses sem ser identificado, a tentativa de estabilizar os sistemas revertendo atualizações recentes não produziu efeito.

A Microsoft afirmou que testa alterações em sua rede em laboratórios e em pequenas parcelas da infraestrutura antes de distribuí-las amplamente, um procedimento padrão para empresas que operam serviços online de grande escala.

Segundo Lamanna, a falha não foi detectada porque os padrões de tráfego simulados e os equipamentos utilizados nos laboratórios não reproduziam as condições reais encontradas posteriormente nos data centers. Os testes da companhia costumam priorizar sistemas mais antigos e menos potentes para verificar se atualizações podem comprometer os pontos mais frágeis da nuvem da empresa. A falha que paralisou os servidores, porém, se mostrou mais destrutiva justamente em equipamentos mais novos e com maior capacidade de processamento.

Propaganda
Compartilhe este artigo