Microsoft 365 服务降级

Microsoft 365 发生了一起大范围故障——以 Exchange Online 为中心,但波及 Teams、SharePoint、Defender、Copilot 等更多服务——导致全球许多组织数小时内无法使用电子邮件和关键协作工具,而 Microsoft 自己的状态页面也难以保持可访问。状态更新将事件归因于服务器过载、健康检查失败以及有问题的配置变更,而不是流量激增或攻击;工程师则通过重启、限流和回滚来恢复容量。评论者借此质疑对单一云提供商的高度依赖、Microsoft 老旧 Exchange 基础设施的稳健性,以及裁员和 AI 加速变更是否正在削弱大规模服务可靠性。

故障范围和用户影响

  • 大范围、持续数小时的故障,主要影响 Microsoft 365 的企业/商务租户。
  • 核心影响:Exchange Online 连接和邮件投递;Outlook 桌面版、网页版、ActiveSync、REST/MAPI API 出现失败或卡顿。
  • 许多依赖 Exchange/邮件的服务也出现连锁问题:
    • Teams 日历、排期、部分聊天创建、语音信箱。
    • SharePoint/OneDrive 集成、Microsoft 365 的“最近文件”。
    • Copilot for 365、Microsoft Graph 邮件/日历 API。
    • Defender for Office 365/Safe Links、Purview/DLP、Intune、Planner、To Do、Fabric、Universal Print、依赖 Exchange 的 Windows 365 场景。
  • 面向家庭/消费者的 Outlook.com 对一部分人来说似乎受影响较小,但也有人报告那里同样有问题。
  • Azure 核心云服务大多报告正常。

Microsoft 的状态更新和技术叙述

  • 状态页面本身响应缓慢或间歇性不可用;很多人转而使用 RSS feed。有些人注意到更新先发布又被回滚。
  • Microsoft 的叙述不断变化:
    • 最初:Exchange Online 基础设施的一部分出现连接错误,并伴随“负载升高”。
    • 随后:大量服务器未通过自动健康检查,被移出轮转,负载转移到剩余服务器。
    • 后来:服务器上的某个特定健康检查/“核心进程”在流量下不堪重负,导致服务器无响应;重启后能短暂恢复,但很快再次失败。
    • 多次缓解尝试:重新分配流量、暂停部署、回滚配置、绕过可疑组件、重启服务器、按区域限流/分段流量、用先前配置重建服务器。
  • Microsoft 反复表示,没有迹象表明存在恶意活动;在很多小时里根因仍不明确。

监控、SLA 和工具

  • 对官方状态页面在高负载下失效的批评很强烈;有人认为这违背了状态页面存在的意义。
  • 对 Downdetector 及类似服务的看法不一:有人认为它们是有用的早期信号,也有人认为它们是“氛围图”,会把故障归因错。
  • 讨论了“thundering herd”和亚稳态故障模式:重试和部分重启会让过载进一步恶化。

云集中化 vs 本地/自托管

  • 许多人指出,对客户来说,Microsoft 365 是单点故障;一旦出问题,整个行业都会停摆。
  • 一些本地部署 Exchange 的用户也受到了影响,因为“新 Outlook”和某些混合部署会通过 Microsoft 云进行代理。
  • 有人借此证明了对少数超大规模云厂商高度依赖的担忧;也有人反驳说,Microsoft 仍然比大多数自托管运维更可靠,只是影响面大得多。

AI、裁员与工程质量

  • 强烈怀疑(但没有证据)以下因素:
    • 在基础设施代码中激进使用 LLM/agent,以及更高的变更速度,正在增加脆弱性。
    • 大规模裁员、自愿离职方案和外包,已经掏空了运维经验。
  • 也有人认为,若以“工程严谨性”使用 AI,它可以提高质量;真正的问题是组织复杂度和技术债。

产品和 UX 抱怨

  • 关于 Outlook 的长期抱怨很多:搜索很差、服务器端索引不完整、资源占用高、新的网页版 Outlook 质量不佳。
  • Teams 普遍被认为迟缓且过于复杂,不过也有人称赞它的通话可靠性;有人开玩笑说它“表现得就像平时那样”。
  • Entra/Azure 门户被形容为缓慢且笨重;还有人讲到某些 Microsoft 团队大量依赖 ClickOps,而基础设施即代码的使用有限。

更广泛的反应与影响

  • 许多人同情值班工程师,并指出这清楚地显示出这是一次困难的、级联式的故障。
  • 另一些人认为,这象征着过于复杂的云栈,以及把快速功能/AI 交付置于韧性之上的错位激励。
  • 有人猜测监管机构(尤其是欧盟)会越来越把 M365 这类服务视为关键基础设施。
  • 有些人预计不会有长期改变(“一周内就会被忘记”),另一些人则希望它能推动多样化部署,并重新重视更简单、更本地化或多供应商的方案。