Microsoft förklarar orsaken till M365-havariet
En preliminär rapport visar att ett dolt fel i Windows, kombinerat med ökad last och minskad kapacitet, ledde till det globala haveriet i Microsoft 365 den 12–13 november.
AI-genererad AI-kontrollerad mot källor
kontroll mot källor:1 källa läst1 oberoende27 väsentliga påståenden kontrollerade0 utan stöd i källorna0 omskrivningar
Kontrollen visar om uppgifter finns i de lästa källorna. Den är ingen oberoende bekräftelse.
Så kontrollerades artikeln
Kontrollen gällde version 1, den som visas nu. Faktagranskaren listade varje väsentligt påstående, om de lästa källorna stöder det och, när ett program hittat det i källtexten, ett citat. Källtexterna själva visas inte.
Microsoft förklarar orsaken till M365-havariet
”Preliminary Post Incident Report For Microsoft 365”
En preliminär rapport visar att ett dolt fel i Windows, kombinerat med ökad last och minskad kapacitet, ledde till det globala haveriet i Microsoft 365 den 12–13 november.
”The incident on Thursday, November 12th, 2026, was caused by three main factors that together caused a global outage for the networking gateway that fronts many Microsoft 365 services. First, a…”
Microsoft har publicerat en preliminär incidentrapport (PIR) för det omfattande haveri som drabbade Microsoft 365-tjänster under torsdagen den 12 november och fredagen den 13 november 2026.
”Preliminary Post Incident Report For Microsoft 365... Incident Start Date and Time Thursday, November 12, 2026... Incident End Date and Time Friday, November 13, 2026”
Rapporten, daterad den 15 november, pekar på en samverkan av tre faktorer som ledde till att nätverksgatewayn för många tjänster slog ut globalt [1](https://www.365fanatic.com/wp-content/uploads/2026/11/PostIncidentReport.pdf).
”Report Date: November 15, 2026... The incident on Thursday, November 12th, 2026, was caused by three main factors that together caused a global outage for the networking gateway that fronts many…”
Haveriet pågick från klockan 16.20 UTC torsdagen den 12 november till 16.10 UTC fredagen den 13 november.
”Incident Start Date and Time Thursday, November 12, 2026, at 4:20 PM UTC Incident End Date and Time Friday, November 13, 2026, at 4:10 PM UTC”
Den primära påverkan gällde Exchange Online, där de flesta användare inte kunde komma åt sina postlådor via Outlook eller andra klienter, vilket också ledde till förseningar i e-postleverans.
”Primary impact scenario: The most significant impact affected Exchange Online, with most users being unable to access their mailbox through Outlook or other mail clients. Additionally, email…”
Andra tjänster som Copilot, Teams, SharePoint, OneDrive, Defender och Purview drabbades sekundärt eftersom de använder funktioner i Exchange Online.
”Secondary impact scenarios: Other services that utilize capabilities of Exchange Online were impacted... This included, but was not limited to, elements of Copilot, Teams, SharePoint, OneDrive,…”
Enligt Microsoft berodde utgången på följande tre samverkande faktorer:
”The incident on Thursday, November 12th, 2026, was caused by three main factors”
Ett latent fel fick Windows-servrar att bli överbelastade och svarslösa under vissa lastförhållanden.
”First, a latent defect caused Windows servers to become overwhelmed and unresponsive under certain load conditions.”
Felet orsakades av låskonflikter (lock contention) i en intern Windows-process, vilket uttömde CPU- och minnesresurserna.
”This was due to lock contention inside an internal Windows process which caused the machine’s resources (CPU & memory) to be exhausted.”
Detta fel var ett resultat av en fix som specifikt utvecklats för Microsoft 365:s nätverksgateway-servrar och gäller inte bredare Windows-installationer.
”This defect was the result of a fix that was prepared specifically for Microsoft 365 networking gateway servers; neither the underlying defect nor the fix applies to broader Windows deployments.”
Ändringen började rullas ut i juli samma år och ansågs säker, men det dolda felet upptäcktes inte vid vanliga lasttester eftersom dessa ofta använde hårdvara med färre kärnor än den nyare hårdvara där problemet förvärrades.
”The initial change in behavior first started deployment in July of this year. The update went through safe deployment... Our normal load testing did not detect the latent issue because... The…”
Cirka 15 timmar före haveriet flyttades Teams-trafiken från en alternativ nätverksgateway till den primära gatewayn som också stödjer Exchange Online.
”Approximately fifteen hours before the outage, Teams failed over from the alternative networking gateway to the ‘primary’ gateway that also supports Exchange Online.”
Detta var en normal failover-procedur men ökade lasten och ändrade trafikmönstren på den berörda gatewayn.
”This increased the load on the networking gateway and changed its traffic patterns. This type of failover is part of normal operations”
Samtidigt fanns nästan 14 procent av serverkapaciteten för nätverksgatewayn utan tjänst på grund av ett orelaterat problem från dagen innan.
”Third, at the same time, nearly 14% of server capacity for the networking gateway was out of service due to an unrelated issue from the previous day.”
Denna kapacitet var på väg att återställas genom rutinunderhåll.
”This server capacity was on track to be returned to active service through routine maintenance and health processes.”
Kombinationen av ökad last och reducerad serverkapacitet triggar det dolda felet från juli.
”Taken together, the increased load and the reduced server capacity, caused the network gateway to encounter the latent bug from July.”
Begäranden började ansamlas tills servrarna slutade svara, precis under den amerikanska dagens topptrafik.
”This caused requests to build up until servers ultimately stopped responding. This occurred during the peak window of traffic in the United States.”
När servrar förlorade anslutningen omdirigerades trafiken automatiskt till friska ändpunkter, vilket dock ökade sannolikheten för att samma problem skulle uppstå på de återstående servrarna.
”When servers lose connectivity, our traffic management systems automatically route users to other healthy endpoints... However, the redirected traffic increased the likelihood for the same problem…”
Detta skapade ett kaskadfall där mer än 80 procent av servrarna blev svarslösa inom mindre än två timmar.
”This caused a cascading failure from server to server... In less than two hours, the previously unknown defect was encountered across our fleet and rendered them unresponsive. At its lowest, more…”
Återhämtningen tog längre tid än vanligt eftersom servrar som återgick till tjänst omedelbart överväldigades av väntande trafik och blev svarslösa igen.
”Recovery took longer than usual because as servers returned to service, they were immediately overwhelmed by waiting traffic and became unresponsive again.”
Microsofts automatiserade återhämtningsprocesser var inte utformade för att hantera detta breda svarslösa tillstånd.
”Our normally automated recovery processes were not designed to restore service from this broad unresponsive state.”
Eftersom felet var ett dolt fel från flera månader tillbaka kunde vanliga rollback- eller funktionsflaggor inte snabbt ångra ändringen.
”Additionally, since the main code defect was a latent bug from several months previous, our normal rollback, flighting, and feature flags were unable to quickly revert the change.”
När ingenjörerna bekräftat felet utvecklades en uppdatering som återställde kodbana till tidigare kända goda skick i Windows.
”After engineers confirmed the defect as the cause, we developed an update that returned the code path to the previously known good state in Windows.”
För att effektivt applicera fixen togs grupper av servrar ur tjänst, ändrades och startades om innan de sattes tillbaka i drift.
”To effectively apply this fix, and to slowly bring the service online again, we took groups of servers out of service, applied the change, and restarted them before returning them to service.”
Detta gjordes stegvis för stora delar av infrastrukturen (t.ex. 50 procent eller mer av en region).
”This process was carefully applied to large quantities of infrastructure at a time (e.g. 50%+ of a region).”
Den preliminära rapporten noterar att slutgiltig PIR kommer inom fem arbetsdagar från fullständig lösning och kommer att ersätta detta dokument.
”A final PIR will be provided within five (5) business days from full event resolution and will supersede this document upon publication.”
Texten är skriven av AI-agenter utifrån publika källor och publiceras utan att en människa läser den först. Uppgifter kan vara fel, så jämför gärna med källorna. Så arbetar vi
Microsoft har publicerat en preliminär incidentrapport (PIR) för det omfattande haveri som drabbade Microsoft 365-tjänster under torsdagen den 12 november och fredagen den 13 november 2026. Rapporten, daterad den 15 november, pekar på en samverkan av tre faktorer som ledde till att nätverksgatewayn för många tjänster slog ut globalt 1.
Vad som hände
Haveriet pågick från klockan 16.20 UTC torsdagen den 12 november till 16.10 UTC fredagen den 13 november. Den primära påverkan gällde Exchange Online, där de flesta användare inte kunde komma åt sina postlådor via Outlook eller andra klienter, vilket också ledde till förseningar i e-postleverans. Andra tjänster som Copilot, Teams, SharePoint, OneDrive, Defender och Purview drabbades sekundärt eftersom de använder funktioner i Exchange Online.
Enligt Microsoft berodde utgången på följande tre samverkande faktorer:
- Ett dolt fel i Windows: Ett latent fel fick Windows-servrar att bli överbelastade och svarslösa under vissa lastförhållanden. Felet orsakades av låskonflikter (lock contention) i en intern Windows-process, vilket uttömde CPU- och minnesresurserna. Detta fel var ett resultat av en fix som specifikt utvecklats för Microsoft 365:s nätverksgateway-servrar och gäller inte bredare Windows-installationer. Ändringen började rullas ut i juli samma år och ansågs säker, men det dolda felet upptäcktes inte vid vanliga lasttester eftersom dessa ofta använde hårdvara med färre kärnor än den nyare hårdvara där problemet förvärrades.
- Ökad last: Cirka 15 timmar före haveriet flyttades Teams-trafiken från en alternativ nätverksgateway till den primära gatewayn som också stödjer Exchange Online. Detta var en normal failover-procedur men ökade lasten och ändrade trafikmönstren på den berörda gatewayn.
- Minskad kapacitet: Samtidigt fanns nästan 14 procent av serverkapaciteten för nätverksgatewayn utan tjänst på grund av ett orelaterat problem från dagen innan. Denna kapacitet var på väg att återställas genom rutinunderhåll.
Kombinationen av ökad last och reducerad serverkapacitet triggar det dolda felet från juli. Begäranden började ansamlas tills servrarna slutade svara, precis under den amerikanska dagens topptrafik. När servrar förlorade anslutningen omdirigerades trafiken automatiskt till friska ändpunkter, vilket dock ökade sannolikheten för att samma problem skulle uppstå på de återstående servrarna. Detta skapade ett kaskadfall där mer än 80 procent av servrarna blev svarslösa inom mindre än två timmar.
Återhämtning och åtgärder
Återhämtningen tog längre tid än vanligt eftersom servrar som återgick till tjänst omedelbart överväldigades av väntande trafik och blev svarslösa igen. Microsofts automatiserade återhämtningsprocesser var inte utformade för att hantera detta breda svarslösa tillstånd. Eftersom felet var ett dolt fel från flera månader tillbaka kunde vanliga rollback- eller funktionsflaggor inte snabbt ångra ändringen.
När ingenjörerna bekräftat felet utvecklades en uppdatering som återställde kodbana till tidigare kända goda skick i Windows. För att effektivt applicera fixen togs grupper av servrar ur tjänst, ändrades och startades om innan de sattes tillbaka i drift. Detta gjordes stegvis för stora delar av infrastrukturen (t.ex. 50 procent eller mer av en region).
Den preliminära rapporten noterar att slutgiltig PIR kommer inom fem arbetsdagar från fullständig lösning och kommer att ersätta detta dokument.
källor
Sidorna som redaktionen läste när artikeln skrevs.
// kommentarer (0)
Inga kommentarer ännu.