Microsoft、Microsoft 365障害でサーバーの80%超をクラッシュさせたWindowsのバグを公表

Microsoftは、2026年11月12日から13日にかけて発生したMicrosoft 365の世界規模の障害について、事故後の暫定報告書を公開しました。原因は、Windowsの内部プロセスに潜んでいたロック競合の不具合だったと説明しています。

この不具合が発生したのは、Exchange Onlineの前段に置かれたネットワークゲートウェイサーバーです。最も深刻な時点では、これらのサーバーの80%超が応答しなくなりました。

EX1550543およびMO1550821として管理されているこのインシデントは、11月12日午後4時20分(UTC)に始まり、11月13日午後4時10分(UTC)に収束しました。不具合は、Microsoft 365のゲートウェイサーバー専用に用意された修正プログラムに起因していました。

この修正は7月に展開が始まり、安全なデプロイ手順を通過して、数週間かけて世界中に行き渡りました。その後3カ月以上にわたり、目に見える影響は出ていませんでした。Microsoftによると、この不具合も修正も、より広範なWindowsの展開環境には当てはまらないということです。

接続を確立するプロセスでロック競合が起き、CPUとメモリが枯渇して、サーバーはリクエストを処理できなくなりました。Microsoftの障害に関する以前の報道からは、Outlook、Teams、Copilot、Defender XDRにまで影響が広く及んだことがわかります。

負荷テストでこの欠陥を見逃したのは、検証環境のトラフィックの構成やハードウェアSKUが本番環境と一致していなかったためです。ロック競合は、コア数が多く新しいハードウェアほど悪化します。一方、Microsoftのテストでは、性能が低くコア数の少ないシステムが中心でした。

そこへ、さらに2つの条件が重なりました。約15時間前、自動フェイルオーバーによってTeamsのトラフィックが代替ゲートウェイから、Exchange Onlineと共用するプライマリゲートウェイに移されました。これにより負荷が増え、トラフィックの傾向も変わりました。

Google.docによると、前日には無関係の問題が発生し、ゲートウェイ容量の約14%が稼働停止になっていました。通常なら余力で十分に吸収できる規模でしたが、両者が重なったことで、米国のピーク時間帯に7月の不具合が表面化しました。

その後、連鎖的な障害が起きました。サーバーが応答しなくなると、トラフィック管理が自動的にユーザーを正常なエンドポイントへ誘導しました。その結果、同じ負荷が少数のサーバーに集中し、各サーバーが不具合に陥る可能性がいっそう高まりました。

2時間以内に、障害はサーバー群全体に広がりました。ゲートウェイは通常、リージョンごとにまとめられた数千の容量ユニットで構成されています。しかし、別の問題により、これらのパーティション間の隔壁(バルクヘッド)が機能しませんでした。

この失敗によって、影響は世界規模に拡大しました。誤って適用された保護機能が被害を増幅させた点は、Microsoftが過去に起こした世界規模の障害と似ています。

Teams、OneDrive、SharePoint、Officeアプリは、問題のあるゲートウェイからフェイルアウトできたため、早い段階で復旧しました。Teamsのチャットや会議も、おおむね使い続けられました。一方、Exchange Onlineは規模上の理由からフェイルアウトできません。

ユーザーは、Outlook、Outlook on the web、Exchange ActiveSync、メッセージングAPIおよびREST APIを通じたメールボックスへのアクセスを失いました。メールの配信にも遅延が生じました。

復旧は難航しました。サービスに復帰したサーバーは、滞留していたトラフィックにたちまち圧倒され、再び停止しました。Microsoftの自動復旧は、これほど広範囲で応答不能になった状態からサービスを回復するようには設計されていませんでした。

ロールバック、フライティング、フィーチャーフラグでは、数カ月前に入れた変更を素早く元に戻せませんでした。ヘルスチェックのバイパスや自動再起動といった初期の緩和策も、効果がありませんでした。11月13日午前12時30分(UTC)までに、エンジニアは障害の原因が接続のネゴシエーションにあると突き止めました。

午前7時20分(UTC)には、容量の一部で接続処理のコードパスを正常に動作していたWindowsの状態に戻す更新を適用しました。その後Teamsは、サーバーグループをローテーションから外してパッチを当て、再起動しました。多くの場合、1つのリージョンの50%以上を一度に処理しました。

アジア太平洋は午前11時00分(UTC)までに、欧州は午前11時35分(UTC)に正常な可用性を取り戻しました。世界全体のWebメールの可用性は、午後2時17分(UTC)までに回復しました。Microsoftはメール配信の猶予期間を延長し、滞留していたメッセージが配信不能として返送されないようにしています。

同社はあわせて、容量の増強、トラフィック誘導パターンと接続処理の健全性に対する監視、トラフィック分散のガードレールも追加しました。最終報告書は2026年11月20日に公開される予定です。管理者は、特にExchange Onlineのサービスインシデントの詳細や、バルクヘッド分離に関する変更点に注目しておくとよいでしょう。

16,000以上のSOCチームがANY.RUNを活用し、脅威調査を効率化して手作業を削減しています。チームで試してみる

翻訳元: https://cyberpress.org/microsoft-reveals-windows-bug/

本記事は cyberpress.org の記事を翻訳・要約したものです。