A Microsoft divulgou detalhes técnicos sobre a falha generalizada que afetou seus serviços entre quinta e sexta-feira da semana passada. Segundo Charles Lamanna, vice-presidente de plataformas, agentes e do Copilot, mais de 80% dos servidores da empresa ficaram instáveis ou deixaram de responder no momento crítico do problema.
Três problemas se combinaram
A empresa identificou três fatores principais que causaram a pane. O primeiro foi um defeito detectado desde julho que provocava “sobrecarga e falta de resposta nos servidores sob certas condições de carga”, mas que não havia sido totalmente corrigido em servidores de maior desempenho.
Horas antes da falha, o Microsoft Teams começou a usar um gateway de rede principal em vez de um alternativo, aumentando significativamente a carga e o tráfego na infraestrutura. Simultaneamente, quase 14% da capacidade de servidores para aquele gateway estavam fora de serviço por causa de um problema não relacionado do dia anterior, ainda em processo de manutenção.
O efeito cascata
O defeito no gerenciamento de tráfego provocava uma “disputa” excessiva por recursos internos. Quando a carga chegava a determinados níveis, os processos caíam em um cenário de contenção, consumindo recursos de CPU e memória até deixarem de responder. Com mais tráfego chegando a uma infraestrutura já reduzida, os servidores atingiram a condição que ativava o defeito de software, gerando um loop que prejudicava a distribuição de tráfego.
A situação se agravava porque simplesmente reiniciar os servidores não era suficiente para restabelecer os serviços. “Na medida em que os servidores retornavam ao serviço, eles eram imediatamente sobrecarregados pelo tráfego em espera e se tornavam não responsivos novamente”, explicou Lamanna.
Solução gradual
A Microsoft optou por enviar uma atualização que restaurava o comportamento anterior do código defeituoso de forma gradual. Os servidores eram desligados intencionalmente e colocados em operação apenas para atender um certo serviço ou região, recebendo uma quantidade limitada de tráfego até que toda a infraestrutura fosse normalizada.
A empresa descartou ciberataques como causa da instabilidade e conseguiu restaurar todos os sistemas apenas no sábado.
Notícias da Costa do Sol em primeira mão.
Siga @ofatonoar no InstagramCom informações do TecMundo.








