微软发布初步事故报告称,上周导致 Exchange Online 等服务大规模宕机的根本原因,是今年7月部署的一项代码变更引入的缺陷。
该缺陷在正常情况下未被触发,直到11月12日因 Teams 故障转移导致网关负荷激增,同时约14%的网关服务器容量处于离线状态,共同引发了内部 Windows 进程的锁竞争问题,导致高核心数服务器 CPU 和内存资源耗尽。
由于缺陷已上线超过三个月,无法直接回滚,微软工程师被迫开发“补丁的补丁”,将代码回退到之前已知良好的状态,才逐步恢复服务。
报告还指出,微软当时的负荷测试主要针对低配硬件,未充分覆盖高核心数新硬件的场景,导致该缺陷长期潜伏未被发现。
You must log in or register to comment.

